2026-09-28
把肿瘤建成细胞空间图,可解释 GNN 预测生存与进展;乳腺癌队列 C-index 最高 0.72,优于全部 24 个非空间基线,解释可用删细胞实验验证。
多路复用成像已经能在单细胞分辨率下测出组织里每个细胞的几十种蛋白丰度,顺带拿到空间坐标。数据不是瓶颈,分析才是:怎么把「细胞在空间里怎么排布」与「患者活多久、病情是否进展」连起来。传统生存模型(Cox 回归、随机生存森林、生存 SVM)把一张图的所有细胞压成一个特征向量,空间信息在这一步就丢了。已有的图神经网络方法保住了几何结构,但要拿预先定义好的细胞类型标签当输入,能发现什么模式在学习开始前就被标注框住;解释也大多停在嵌入空间可视化或单细胞重要性分数,给不出「哪一块组织区域、哪些蛋白在推动预测」。临床要的是能叠加在组织图像上的地图,不是向量。
SpaCEy(Spatial Clinical Explainability,海德堡大学、苏黎世大学等团队)分三步走:
关键设计是把解释约束在连通子图上,重要性分数落在组织图上能直接指认的位置。全程不用细胞类型标注,标注只在事后按区划解读时使用。
肺癌队列(416 例肺腺癌,成像质谱流式)做进展二分类,5 折交叉验证下 SpaCEy 准确率 0.68、F1 0.68、AUC 0.62;两个空间基线 Ali et al. 与 SPACE-GM 分别为 0.61/0.59/0.57 与 0.55/0.52/0.52。
两个乳腺癌队列做删失感知的生存预测,与 24 个非空间基线(4 种生存模型 × 多种特征聚合)在相同折上对比:
| 队列 | SpaCEy C-index | 最佳非空间基线 | 相对提升 |
| JacksonFischer(720 样本) | 0.720±0.061 | 0.617±0.092 | 16.5% |
| METABRIC(460 图像) | 0.688±0.038 | 0.570±0.071 | 20.7% |
解释部分有三层验证。最直接的是删细胞:从图中移除解释模块认定的重要节点,模型输出的下降远超移除等比例非重要节点,删 10% 时降幅 0.0818 对 0.0281,接近三倍,从 1% 到 80% 六档删除比例全部单调成立。合成数据提供了已知答案:构造仿真肿瘤图,瘤内 CD8 T 细胞的重要性 0.0467,基质 CD8 只有 0.0162(p≈8.3×10⁻¹⁴),解释器抓到的确实是预设的空间模式。生物学上两个队列独立训练,低生存组的重要区域都富集 fibronectin、β-catenin 等 EMT 与基质标志,高生存组富集激素受体相关信号;对样本嵌入做 Leiden 聚类得到的三个亚型无关分组生存分离显著(JacksonFischer log-rank p=0.00253,METABRIC p=0.00371),在 HR+HER2- 单一亚型内部也能再分出预后不同的组(p=0.031 与 0.015)。
跨平台与规模:CODEX 结直肠癌队列分类 AUPRC 0.846,跨批次迁移保有 0.801;百万细胞样本单次前向 7.42 秒,一个 epoch 处理 15 亿细胞约 3 小时,显存峰值约 1.06 GB。重要区域构成以肿瘤为主(JacksonFischer 中 55.2% 肿瘤、29.3% 基质、13.5% 免疫)。
做空间组学分析的人对这种处境不陌生:模型预测得对,却说不清为什么对,结论就停在那里。SpaCEy 把预测、分层与解释放进同一条管线,解释还可检验:删掉它指认的细胞,预测真的会掉。对需要说服生物学合作者的计算团队,这是实用差别,不是换个可解释性名词。
工程门槛也低:一张 RTX A6000 就能跑,显存按 tile 上界封顶,中等实验室可以直接上全切片规模。代码与预处理数据开源(GitHub saezlab/SpaCEy,Zenodo 存档)。
论文自述:只覆盖空间蛋白组学一种模态,蛋白丰度对细胞状态的刻画不完整;解释质量受模型性能上限约束,0.68 上下的准确率下解释要保守看;重要性分数是无方向的幅度,不指示预测被推向哪边,也不构成因果证据;视野裁剪测试显示对局部观察中等稳健,ROI 裁剪仍是实际限制。
读下来再补两条。绝对性能只是中等,肺癌 AUC 0.62 离临床决策支持还有距离,当前定位更接近假设生成工具。生存任务的增益全部来自与非空间方法的对比,与 Ali et al.、SPACE-GM 两个空间基线只在肺癌分类上交手,空间方法之间的生存对照缺失。