[论文解读] Nonnegative spatial factorization

F. William Townes, Barbara E. Engelhardt|arXiv (Cornell University)|Oct 12, 2021

Genetic and phenotypic traits in livestock参考文献 60被引用 9

一句话总结

该论文提出非负空间因子分解（NSF），一种结合非负矩阵分解与高斯过程的生成式降维模型，用于在多变量空间转录组数据中识别可解释且空间一致的模式。NSF通过非负因子和载荷提升可解释性，在识别可泛化的空间基因表达模式方面优于实值模型（如MEFISTO），并通过混合空间/非空间扩展实现对空间影响的量化。

ABSTRACT

Gaussian processes are widely used for the analysis of spatial data due to their nonparametric flexibility and ability to quantify uncertainty, and recently developed scalable approximations have facilitated application to massive datasets. For multivariate outcomes, linear models of coregionalization combine dimension reduction with spatial correlation. However, their real-valued latent factors and loadings are difficult to interpret because, unlike nonnegative models, they do not recover a parts-based representation. We present nonnegative spatial factorization (NSF), a spatially-aware probabilistic dimension reduction model that naturally encourages sparsity. We compare NSF to real-valued spatial factorizations such as MEFISTO and nonspatial dimension reduction methods using simulations and high-dimensional spatial transcriptomics data. NSF identifies generalizable spatial patterns of gene expression. Since not all patterns of gene expression are spatial, we also propose a hybrid extension of NSF that combines spatial and nonspatial components, enabling quantification of spatial importance for both observations and features. A TensorFlow implementation of NSF is available from https://github.com/willtownes/nsf-paper .

研究动机与目标

• 解决多变量空间转录组数据中实值空间因子分解模型可解释性不足的问题。
• 开发一种保留空间结构的同时支持基因表达模式部件化、非负表示的降维方法。
• 量化空间与非空间成分在基因表达特征中的相对重要性。
• 提供一种可扩展的、基于概率的框架，直接作用于原始计数数据，避免归一化引起的失真。
• 在高维空间转录组数据集中发现具有生物学意义的空间模式。

提出的方法

• NSF 将高维空间基因表达数据建模为具有空间相关性的高斯过程因子的非负线性组合。
• 该方法采用带有非负约束的生成式潜变量框架，对因子和载荷均施加非负约束，以确保部件化、可解释的表示。
• 采用基于稀疏精度矩阵（SPDE）的随机变分推断方法，实现在大规模空间数据集上的可扩展推断。
• 通过混合扩展（NSF-H）将空间与非空间成分结合，将特征建模为空间与非空间因子的混合。
• 使用负二项分布似然直接在原始UMI计数上进行训练，避免归一化带来的偏差。
• 通过SPDE风格的平滑后处理，确保载荷矩阵具有可解释性，且各成分行的总和为1。

实验结果

研究问题

• RQ1 与实值模型相比，非负空间因子分解是否能更有效地恢复空间转录组数据中更具可解释性和泛化性的空间模式？
• RQ2 非负性约束在多变量基因表达数据中如何提升空间相关潜因子的可解释性？
• RQ3 空间基因表达模式在数据整体结构中所占的贡献程度如何？是否可实现量化？
• RQ4 能够分离空间与非空间成分的混合模型是否能更好地捕捉空间转录组数据中的真实生物学机制？
• RQ5 NSF 是否在识别生物相关空间模式方面优于现有方法（如MEFISTO）和标准单细胞RNA-seq降维工具？

主要发现

• NSF 在多个空间转录组数据集（包括Visium小鼠脑、Slide-seqV2小鼠海马体和XYZeq小鼠肝脏）中成功识别出可泛化的空间基因表达模式。
• NSF 中的非负约束使载荷更具可解释性，各成分中的基因表现出一致的生物学功能和细胞类型关联。
• 在Visium小鼠脑数据集中，NSF 识别出与海齿回和CA1区域相关的成分，基因本体（GO）分析支持其与神经元和突触功能相关。
• 混合模型NSF-H量化表明，不同组织和成分中60–80%的基因表达变异由空间因素驱动。
• NSF 在识别生物相关空间模式方面优于MEFISTO和标准降维方法，尤其在检测区域特异性基因表达程序方面表现更优。
• 该模型在大规模数据集（如Slide-seqV2，180 GB内存）上使用12个CPU核心实现了可扩展推断，证明其在高维空间数据中的实际适用性。