知识扩展-高精度空转（HD、Xenium、CosMx）banksy数据增强的意义

作者，Evil Genius

大家先看看下面HD的分析示例，供大家思考。

之前一直有一个问题就在于高精度空转的banksy聚类与数据本身聚类的之间的异同。

目前文章采用banksy的数量并不多，且理解上不是很容易，其与直接注释之间的区别我们需要探讨一下。

首先我们来看看bansky的分析原理

Banksy的核心思想是将邻居细胞的空间信息“注入”到目标细胞中，创造一个新的、富含微环境信息的特征向量。

Banksy做了两件关键事：

构建空间滞后向量：对于目标细胞i的每个基因g，不仅考虑它自身的表达量 Ei,gEi,g​，还计算其周围邻居细胞（在半径r内）该基因表达量的加权平均值（空间滞后项 Li,gLi,g​）。这个滞后项反映了该基因在局部微环境中的富集程度。

创建增强特征矩阵：将原始表达向量 EiEi​ 和一个或多个不同尺度（不同半径r）的空间滞后向量 LiLi​ 拼接（Concatenate） 在一起，形成一个“增强”的特征向量：[E_i, L_i(r1), L_i(r2), ...]。

在增强的特征空间中进行聚类：使用这个融合了自身信息和局部环境信息的增强矩阵进行降维和聚类。

那么直接注释呢？

通常指直接使用每个细胞（根据细胞边界分割得到）或每个微环境区域（如果未分割）的基因表达谱（所有检测到的基因的计数）进行分析。

方法：对每个空间单元（细胞）的基因表达矩阵进行标准化、降维、聚类、注释。

本质：只利用了“细胞自身”的转录组信息。它回答的问题是：“这个细胞内部表达了哪些基因？”

局限性：

忽略空间背景：一个细胞的功能和状态深受其“邻居”的影响。例如，一个处于肿瘤-免疫边界和处于肿瘤核心的相同癌细胞，其状态可能不同，但仅靠内部基因表达可能无法区分。

对微环境不敏感：无法有效识别由多种细胞类型有序排列形成的空间功能单元（如生发中心、血管周围生态位、肿瘤浸润前沿）。

信号稀疏性：即使分辨率很高，单个细胞内的基因检测数目仍有限，直接分析可能噪声较大。

Banksy增强的意义（与直接注释的区别）

具体到数据上的应用价值

对于Xenium和CosMx这种亚细胞分辨率数据，Banksy的优势：

揭示肿瘤异质性：不仅能区分癌细胞亚型，还能区分出侵袭前沿、免疫抑制核心、血管化区域等具有不同空间背景和临床意义的癌细胞生态型。

精细解析免疫微环境：识别耗竭T细胞聚集区、三级淋巴结构（TLS）的不同区域（生发中心、滤泡外围）、髓系细胞的空间聚集态。这是直接注释难以做到的。

发现新的空间生物标志物：Banksy识别的“空间细胞生态型”或“空间域”可能比单纯的细胞类型更具预后或治疗预测价值。

改善低表达细胞类型的注释：对于一些难以捕获的稀有细胞或低RNA含量细胞（如某些神经元亚型），其空间邻居模式可能非常有特征性，Banksy可以利用这种模式信息辅助其正确聚类和注释。

对于Visium HD（虽然分辨率稍低，但点密度极高），Banksy同样可以用于识别组织形态学上的功能区域，其原理是相通的。

那么我们总结一下就是先进行直接注释了解基本细胞组成，再使用Banksy进行空间增强分析来揭示细胞组织和功能的空间背景。

如果大家认真的话， 应该会想起之前的文章知识扩展--分子亚型和细胞亚型的异同与联系, 其实banksy走的是第三条聚类路线，即依据邻域的分子差异进行亚群细分，三种聚类思路大家需要思考了。

总结：就是依据邻域的基因表达差异进行在分群和依据邻域的细胞类型种类差异再分群之间的区别。

具体例子：分析一个肿瘤微环境

假设有一个包含癌细胞 (T)、耗竭T细胞 (Tex)、巨噬细胞 (Mφ) 的空间样本。

1. 依据邻域基因表达差异再分群

方法： 对每个细胞，计算其周围50μm半径内所有细胞的基因表达平均值，得到一个“微环境表达谱”。然后对所有细胞的这种谱进行聚类。

可能结果：

• Cluster A (免疫激活域)：高表达 IFNG, GZMB, CXCL9/10 等基因。即使这个区域由Tex和T细胞混合组成，但整体显示出强烈的免疫反应信号。
• Cluster B (免疫抑制/缺氧域)：高表达 VEGFA, HIF1A, TGFB 等基因。整体处于免疫抑制和缺氧状态。
• Cluster C (增殖域)：高表达细胞周期相关基因。整体处于活跃增殖状态。

洞见： “我的肿瘤里有三个功能截然不同的区域：一个在激烈对抗免疫系统，一个在‘躺平’并营造缺氧环境，还有一个在快速生长。” 这能直接提示哪些区域可能对免疫治疗敏感（Cluster A）。

依据邻域细胞类型差异再分群

方法： 统计每个细胞周围50μm内各类细胞的数量，得到一个向量 [#T, #Tex, #Mφ]，然后根据这些向量进行聚类。

可能结果：

• Neighborhood Type 1 (免疫沙漠)： [高, 低, 低]。几乎全是癌细胞，缺乏免疫浸润。
• Neighborhood Type 2 (战斗前线)： [中, 高, 中]。癌细胞和Tex、Mφ紧密混合，是直接的互作界面。
• Neighborhood Type 3 (髓系富集区)： [低, 低, 高]。主要由巨噬细胞主导。

洞见： “我的肿瘤里存在三种社会结构：纯癌区、癌-免疫混战区、巨噬细胞主导区。” 这有助于理解肿瘤的空间组织架构。

联系与整合策略

顺序串联（最常见）：

Step 1: 进行高质量的细胞类型注释（直接注释）。

Step 2: 基于细胞类型进行邻域分析，识别出基本的组织结构（如免疫沙漠、三级淋巴结构）。

Step 3: 在Step 1的基础上，使用邻域基因表达分析（如Banksy），对特定细胞类型（如T细胞）进行状态亚分，揭示其在Step 2 识别出的不同邻域（如沙漠vs前线）中的功能差异。

信息互补：

基因表达域可以解释“为什么”会出现某种细胞邻域（例如，因为缺氧信号募集了巨噬细胞）。

细胞邻域类型为基因表达域提供了直观的细胞社会学背景。

联合分析是黄金标准：

组织的建筑蓝图（由哪些细胞邻域类型构成）。

每个区域的功能状态（各个区域的整体基因活动特征）。

关键细胞在特定环境中的角色（如边境的T细胞 vs 核心的T细胞）。

生活很好，有你更好。