论文信息

• 标题：SpaFlow depicts the dynamics of ligand-receptor interaction in spatial transcriptomics data

反应-扩散模型重塑空间通信推断：SpaFlow超越11种主流方法揭示细胞对话新维度

一句话速览

空间转录组学是研究细胞间通信的强大工具，但现有方法普遍基于“距离决定一切”的静态假设。俄亥俄州立大学团队提出SpaFlow，首次将反应-扩散动力学框架引入配体-受体相互作用的推断，在肾癌、肝癌、心脏衰老和肺纤维化等多个系统中发现了传统方法无法捕获的信号通信模式。

---

从“静态快照”到“动态过程”：一场方法论的革命

想象你在观看一场交响乐演奏。

传统方法就像给每位音乐家拍了一张照片，然后根据他们之间的距离来推测谁在和谁“对话”。这种方法假设：坐得近的人一定在交流。

但这忽略了一个关键事实——声音是会传播的。小提琴的声音可以穿透整个音乐厅，低音提琴的振动能让远处的观众感受到共鸣。细胞间的通信也是如此：配体分子会扩散、结合、解离、被降解，这些动态过程决定了信号的真正传播范围。

在SpaFlow出现之前，主流的空间通信推断方法（如COMMOT和SpatialDM）都采用一种“预设交互半径”的策略。COMMOT使用最优传输理论，在预设的空间范围内计算通信强度；SpatialDM则通过空间自相关统计，用距离加权核来评估配体-受体的共定位程度。

这两种方法的共同假设是：两个细胞距离越近，它们越可能通信。

这个假设看似合理，但实际上存在严重缺陷。对于可扩散的信号分子，配体可能传播到远超预设半径的范围，也可能在受体密集区域被快速消耗殆尽。就像香水分子可以在整个房间扩散，但如果在某个角落聚集了大量“捕获者”，那里的香水浓度反而会迅速下降。

SpaFlow的革命性在于：它不再预设一个僵硬的通信半径，而是用反应-扩散方程来描述信号分子在组织中的实际物理行为。这就像从“给交响乐拍照”升级到了“录制完整的演出录音”。

SpaFlow的核心创新：图上的反应-扩散方程

SpaFlow的数学之美在于它的优雅简洁。

首先，研究团队将组织中的每个空间点（无论是10x Visium的spot还是CosMx的单细胞）表示为图中的一个节点，相邻节点通过边连接。这个图结构捕获了组织的空间拓扑，但不需要依赖规则的网格。

然后，SpaFlow用一组常微分方程来描述每个配体-受体对在空间图上的动态行为。这些方程包含了五个关键过程：

扩散：配体分子从高浓度区域向低浓度区域移动，遵循菲克第一定律的离散形式。在图上，这意味着配体浓度会沿着相邻节点之间的边“流动”。

结合与解离：配体与受体的结合遵循质量作用定律——配体越多、受体越多，结合就越容易发生。但结合后的复合物也可能解离，重新释放配体和受体。

生产与降解：细胞会不断生产新的配体和受体分子，同时这些分子也会被降解清除。

最关键的设计在于“有效浓度”的概念。当一个配体可以结合多个不同的受体时，这些受体之间会产生竞争关系。SpaFlow通过希尔型竞争函数来模拟这种效应，确保每个配体-受体对的通信强度在竞争背景下被合理评估。

这套方程组的迭代求解直到系统达到稳态，最终的复合物浓度就是该配体-受体对的通信活性评分。

全面超越：三大指标的压倒性胜利

为了验证SpaFlow的真实能力，研究团队进行了一场严格的“擂台赛”。

他们使用了配对的10x Visium和CosMx数据集（来自转移性肾细胞癌研究），从三个维度来评估性能：

• 空间自相关性（Moran's I）：推断出的通信信号是否在空间上连续、合理

• 与转录因子活性的相关性：通信信号是否能解释下游基因调控

• 与靶基因活性的相关性：通信信号是否能预测基因表达的变化

结果显示，SpaFlow在所有三个指标上都显著优于COMMOT和SpatialDM。在代表性的Visium样本中，SpaFlow的Moran's I值更高，与转录因子和靶基因的相关性也更强。CosMx样本同样如此。

更令人信服的是，研究团队还做了消融实验：逐一移除扩散、解离、生产和降解这四个模块，观察模型性能的变化。

结果清晰地表明：扩散和解离是最关键的两个组件，移除它们会导致性能大幅下降。这恰恰验证了反应-扩散框架的核心价值——如果没有扩散项，配体无法在组织中传播；如果没有解离项，复合物会无限积累，失去动态平衡。

从技术到生物学发现：三个令人惊叹的应用案例

1. 肝癌免疫治疗：CXCL12-CXCR4的边界之战

在肝细胞癌患者接受新辅助免疫治疗后，SpaFlow发现了一个独特的模式：CXCL12-CXCR4热点集中在响应患者的肿瘤-免疫边界区域。

这些热点区域的特征是什么？更高的抗原呈递评分和更强的T细胞活性。换句话说，SpaFlow不是简单地告诉研究者“这两个分子在通信”，而是精准定位了免疫攻击的“前线阵地”。

传统方法完全无法捕获这种空间特异性——它们只会给出一个整体的通信评分，却不知道信号在哪里真正活跃。

2. 心脏衰老：发现新的促纤维化信号轴

在年轻（3月龄）与年老（18月龄）小鼠心脏的对比研究中，SpaFlow揭示了8个与衰老显著相关的分泌信号通路。

最引人注目的是两个发现：Postn-Itgav/Itgb5被确认为一个新的促纤维化信号轴，而Angptl2-Pirb被鉴定为衰老相关分泌表型（SASP）跨生态位通信的候选媒介。

研究团队还开发了一种“计算机模拟配体扰动”分析——将特定区域的配体表达设为零，观察哪些区域的通信受到影响。这种方法就像在网络上拔掉某个节点的插头，看哪些其他节点会“断网”。

通过这种分析，他们发现心脏中一个被称为“生态位7”的区域（炎症和促纤维化血管生态位）是主要的信号源，通过Angptl2-Pirb轴影响远处的巨噬细胞，驱动衰老信号的扩散。

3. 肺纤维化：CXCL12-CXCR4在纤维化病变边缘的精准定位

在特发性肺纤维化（IPF）的研究中，SpaFlow再次展现了其空间定位的强大能力。

传统方法COMMOT和SpatialDM都无法区分不同组织区域中CXCL12-CXCR4活性的差异，而SpaFlow清楚地显示：这种信号在IPF患者的纤维化区域中显著升高，并且主要集中在纤维化病变的“周围区域”而非病变核心。

通过整合单细胞RNA测序数据，研究团队发现：CXCL12主要来自外膜成纤维细胞，而CXCR4则在CD4 T细胞、CD8 T细胞和B细胞上高表达。这意味着，在纤维化病变的边缘，成纤维细胞正在“招募”免疫细胞，形成一种特殊的免疫微环境。

使用更高分辨率的Xenium原位成像技术，研究团队在亚细胞水平验证了这个发现——CXCL12+外膜成纤维细胞确实与CD4 T细胞、CD8 T细胞和B细胞在空间上紧密共存。

意义与展望：从描述关联到机制推断

SpaFlow的意义不仅在于它比现有方法表现更好，更在于它开启了一个全新的范式。

传统的空间通信分析方法本质上是描述性的——它们告诉研究者“在哪里”发生了通信，但对于“为什么在那里发生”却无法提供力学解释。SpaFlow通过显式建模扩散、结合、解离等物理过程，将问题从“什么”提升到了“如何”。

这意味着：

• 研究者可以提出更精确的假设，比如“如果配体扩散速率改变，通信模式会如何变化？”

• 可以设计计算模拟实验，比如“如果某个细胞类型被药物靶向，通信网络会如何重组？”

• 可以从物理原理出发解释病理状态下的异常通信模式

研究团队还开源了SpaFlow的Python包（GitHub: Tigerrr07/SpaFlow），这为社区提供了可重复使用、可扩展的分析工具。

局限性：当前框架的边界

当然，SpaFlow并非完美无缺。研究团队诚实地指出了几个关键限制：

1. 仅适用于分泌信号：接触依赖性通信（如免疫突触）不在当前框架范围内

2. 转录本丰度作为分子浓度的代理：无法捕获翻译后修饰、分泌效率等蛋白层面的调控

3. 固定图结构和全局参数：使用统一参数换取计算可行性，但牺牲了生化特异性

4. 稳态假设：实际组织中的信号可能处于非平衡态

未来的方向包括整合空间蛋白质组学数据、引入矩阵感知的传输模型、以及利用时间序列或扰动实验数据。

开放式结尾

当我们将细胞通信从“距离驱动的静态快照”升级为“物理驱动的动态过程”，我们实际上在问一个更深层的问题：我们究竟想要从空间组学数据中学到什么？是建立更精确的相关性列表，还是真正理解组织如何通过物理化学过程构建功能？ 在您看来，将物理建模引入生物信息学分析，是会带来颠覆性的突破，还是会因为过度简化而失真？欢迎在评论区分享您的思考。