SpotComm: um novo algoritmo para caracterização da comunicação celular em transcriptômica espacial

Abstract

Resumo: Uma vez que a comunicação celular, ao menos de forma autócrina e parácrina é espacialmente limitada, os métodos de transcriptômica espacial podem aumentar a confiabilidade de comunicações preditas. Os autores de análise de comunicação celular vem pensando nisso e desenvolvendo algoritmos que aproveitam a informação espacial em suas predições. Entretanto, os algoritmos de análise de comunicação celular em dados de transcriptômica espacial até agora focavam na análise de populações de spots, as análises baseadas em clusters, sejam clusters transcricionais ou regiões teciduais, e, dito isso, não examinam as particularidades de comunicação do transcriptoma do spot, que, dependendo da tecnologia, pode ser uma célula ou um pequeno grupo de células. Com base nisso, nós desenvolvemos um algoritmo de predição de comunicações celulares que utiliza os dados de coordenadas, de spots, como unidade de análise, o SpotComm. Esse algoritmo possui funções capazes de definir as comunicações intercelulares, intracelulares e sinalizações intracelulares se baseando na presença e na correlação de transcritos em dados de transcriptômica espacial e é capaz de integrar dados de transcriptômica espacial com dados pareados ou não pareados de scRNA-seq. O SpotComm é capaz de manipular dados de transcriptômica espacial em análises de uma seção (2D) ou de mais seções (3D), oferecer análises de clusters transcricionais inteiros e/ou zonas de contato entre clusters, e proporcionar cenários de comunicação e sinalização entre proteínas interatoras monoméricas e complexos proteicos homomultiméricos e heteromultiméricos. O algoritmo é capaz de gerar dados e oferecer metadados ao usuário como a presença, proporção e expressão de interatores e a referência e curagem de comunicações e sinalizações. Ainda, oferece a proporção de células e proporção de co-ocorrência, por tipo celular, com detecção dos elementos de vias de sinalização intracelular. Utilizando o SpotComm nós fomos capazes de predizer comunicações que são conhecidas em estruturas linfoides terciárias e em áreas de tumor com o perfil de respostas de interferon tipo I em câncer de mama e predizemos os elementos celulares viáveis às sinalizações. Ainda, detectamos diversas potenciais comunicações inter e intracelulares não detectadas em análise baseada em clusters que podem ser importantes no entendimento da homeostase mas também nos prognósticos, diagnósticos e tratamentos de doenças.

Abstract: Since cell communication, at least in an autocrine and paracrine fashion is spatially limited, spatial transcriptomics methods can increase the reliability of predicted communications. Cell communication analysis authors have been thinking about this and developing algorithms that take advantage of spatial information in their predictions. However, algorithms for analyzing cell communication in spatial transcriptomics data have so far focused on the analysis of spot populations, the cluster-based analyses, whether transcriptional clusters or tissue regions, and, that said, do not examine the communication particularities of the spot transcriptome, which, depending on the technology, can be one cell or a small group of cells. Based on this, we have developed a cell communication prediction algorithm that uses coordinate data, of spots, as the unit of analysis, the SpotComm. This algorithm has functions capable of defining intercellular, intracellular communications and intracellular signaling based on the presence and correlation of transcripts in spatial transcriptomics data and is able to integrate spatial transcriptomics data with paired or unpaired scRNA-seq data. SpotComm is capable of handling spatial transcriptomics data in single-section (2D) or multi-section (3D) analyses, provide analyses of entire transcriptional clusters and/or contact zones between clusters, and provide scenarios of communication and signaling between monomeric interacting proteins and homomultimeric and heteromultimeric protein complexes. The algorithm is able to generate data and provide metadata to the user such as the presence, proportion and expression of interactors and the reference and curation of communication and signaling. It also provides the proportion of cells and proportion of co-occurrence, by cell type, with detection of the elements of intracellular signaling pathways. Using SpotComm we were able to predict communications that are known in tertiary lymphoid structures and in tumor areas profiled by type I interferon responses in breast cancer and predicted the cellular elements viable for signaling. Furthermore, we detected several potential inter- and intracellular communications not detected in cluster-based analysis that may be important in understanding homeostasis but also in disease prognosis, diagnosis and treatment.