Nat. Methods | COMMOT：利用最优运输进行空间转录组细胞间通讯分析

空间转录组学技术和空间注释的scRNA-seq数据集为分析细胞间通讯 (CCC) 提供了前所未有的机会。然而，整合CCC重建所需的空间信息和复杂的生化过程仍然是一个重大挑战。近日《Nature Methods 》发表了一种处理复杂分子相互作用和空间约束的最优运输方法：COMMOT，推断空间转录组学中的CCC。

COMMOT是什么？

COMMOT（最佳传输的通讯分析）通过同时考虑空间转录组学数据或空间注释scRNA-seq数据的大量配体-受体对来推断CCC，这些数据配备了根据成对空间成像数据估计的细胞之间的空间距离；总结和比较空间信号的方向；使用树模型识别CCC对基因表达的下游影响；并为各种分析提供可视化工具。

COMMOT具有三个重要特征：首先，使用非概率质量分布来控制运输计划的边缘，以保持物种之间的可比性；第二，对CCC实施空间距离约束，以避免连接空间上相距较远的部分；最后，将多物种分布（配体）传输到多物种分布（受体）以解释多物种相互作用。

COMMOT的性能测试

开发人员将COMMOT应用于模拟数据和使用五种不同技术获取的八个空间数据集，以显示其在识别具有不同空间分辨率和基因覆盖率的数据中的空间CCC方面的有效性和稳定性：通过整合 scRNA-seq 和空间染色数据获得的计算机空间转录组学数据、Visium、Slide-seq、STARmap、MERFISH 和 seqFISH+ 空间转录组学，COMMOT可以始终捕捉文献中已知的CCC活动。在人类皮肤中，COMMOT显示较高的WNT信号增加了几个基因的表达，这一结果通过免疫荧光染色得到证实。

将COMMOT与三种推断CCC的方法进行了比较：CellChat、Giotto和CellPhoneDB v3。通过研究推断的CCC与已知下游基因活性之间的相关性，开发团队发现对于大多数数据集，COMMOT比三种方法具有更强的相关性，在某些情况下，COMMOT与CellPhoneDB v3的相关性相当。如可获得更完整的基因调控知识，则可以进一步改进该评估。

推断的信号传导与已知下游基因活性之间的聚类水平相关性（与三种推断CCC的方法进行了比较）

随着空间转录组学数据的时间序列的可预见可用性，CCC动力学可以被阐明，例如通过将集体最优运输扩展为动态最优运输公式。CCC的PDE模型可以推广到进一步纳入细胞内基因调控网络。虽然传统的最优运输在集成一对数据集和多边际最优运输集成多个数据集方面很强大，但集体最优运输能够有效控制耦合并处理竞争物种，这对于CCC推断之外的广泛问题非常有用。

COMMOT可以在GitHub获取：https://github.com/zcang/COMMOT

参考文献Cang, Z., Zhao, Y., Almet, A.A. et al. Screening cell–cell communication in spatial transcriptomics via collective optimal transport. Nat Methods 20, 218–228 (2023). https://doi.org/10.1038/s41592-022-01728-4