Enhancing the resolution of spatial transcriptomics through morphology analysis

Abstract

Este trabalho teve como objetivo melhorar a resolução de dados de Spatial Transcriptomics, atribuindo o tipo de célula à sua localização no tecido biológico. Para realizar essa tarefa, focamos em segmentar as células, extrair suas características morfológicas e criar um classificador a partir delas. A segmentação usou o algoritmo Mesmer como sua função principal e teve um bom desempenho em imagens DAPI e HE. A informação morfológica foi extraída no software Fiji, mas devido às suas características, não pôde ser integrada ao nosso pacote R, dificultando o desenvolvimento da tarefa de classificação. A qualidade das características obtidas das máscaras celulares e a falta de outros pacotes para realizar a tarefa mostraram a oportunidade de desenvolver novos projetos na área. A qualidade da segmentação demonstra a robustez do método e indica que também pode ser aplicado a outros projetos. Por isso, foi incorporado ao pacote Giotto e tornado open source. Além disso, os resultados apresentados aqui fornecem diretrizes claras para a continuação da tarefa no futuro.

This work intended to enhance the resolution of Spatial Transcriptomics datasets by assigning the cell type to its location in the tissue. To perform this task, we focused on segmenting the cells, extracting their morphological features, and creating a classifier from them. The segmentation used the Mesmer algorithm as its core function and performed well in both 4’,6-diamidino-2-phenylindole (DAPI) and haematoxylin and eosin (HE) images. The morphological information was extracted using the Fiji software, but due to its characteristics, it could not be integrated into our R package, hindering the development of the classification task. The quality of the obtained features from the cell masks and the lack of other packages to perform the task showed the opportunity to develop new projects in the area. The quality of the segmentation demonstrates the robustness of the method and indicates that it could also be applied to other projects. Therefore, it was incorporated into the Giotto package and made open source. Additionally, the results presented here give clear guidelines to continue it in the future.