Segmentation技術の向上や空間オミクス解析の登場で病理画像解析が盛んになり、その細胞の分布、位置関係を解析するニーズが増えている。

1つの細胞に空間的に繋がりを持った周囲の細胞を「細胞コミュニティ」と呼ぶことにする。
細胞コミュニティを解析することで、以下のような疑問の解決に繋がる。

- どの細胞種が共起/排他関係なのか
- 組織中にはどんなコミュニティがあるのか
- 疾患によってコミュニティが変わるのか

細胞コミュニティを計算する際に、グラフ理論を使うと当てはまりが良い。
細胞がノード、距離や相互作用をエッジというグラフに見立てる。

ノードには「どんな細胞」「マーカー発現量」「細胞形態」と言った特徴量を持ち、それがどんなノードとエッジで繋がっているのかを考えていく。

本書ではそれら細胞のコミュニティをグラフを用いて解析した例を紹介する。なお各解析の情報量が多いので一連の解析は章を分けて同じマークを付けている。

※ 開発者が無償で公開しているものを扱っているので基本は無償で公開しますが、追加の解説や解析は有償とさせて頂きました。

細胞コミュニティ解析

事前知識

🪢【座標からグラフ作り】kNNグラフ

🪢【座標からグラフ作り】Radius グラフ

🪢【座標からグラフ作り】Delaunayグラフ

🪢 隣接ノードを取得

🪢 部分グラフを取り出す

🪢 最短経路長行列

🪺0️⃣【 Visium 隣接するSpotの同種接続/異種接続をスコアリング 】

🪺1️⃣ ドロネーグラフ作り

🪺2️⃣ Homotypic Score

🪺3️⃣ Heterotypic score

🪺4️⃣ Python版 Homotypic/Heterotypic scoreの計算

🐅1️⃣ 【 UTAG - 隣接細胞の特徴量も使って細胞のクラスタリング - 】

🐅2️⃣ UTAG  - アルゴリズム解説 -

🐅3️⃣ UTAG  - クラスタリング後の下流解析 -

🐅4️⃣ UTAG  - 症例や疾患で変化するクラスターの解析例 -

😶‍🌫️1️⃣ 【 SPACE-GM (SPAtial CEllular Graphical Modeling) 】

😶‍🌫️2️⃣ グラフ、Dataset作り

😶‍🌫️3️⃣ GNNモデル構築、訓練、予測

😀0️⃣ 【 GraphSAGEで細胞コミュニティをクラスタリング 】

😀1️⃣ グラフ作り、コミュニティ抽出器

😀2️⃣ モデル構築、損失設定

😀3️⃣ モデルの訓練 ➔ クラスタリング

😀4️⃣ 複数サンプル版

😀 （追加の解析） コミュニティ内の細胞種、患者ごとのコミュニティの違い

🏍️0️⃣【 CytoCommunity 細胞コミュニティをGNNでクラスタリング 】

🏍️1️⃣ グラフ作り ➔ DataSet/DataLoader

🏍️2️⃣ モデルの構築、訓練

🏍️3️⃣ 訓練済みモデルで予測 ➔ クラスタリング結果の確認

🏍️4️⃣ アンサンブル学習

🏍️ （補足情報）DenseGraphConv, Mincut pool, majority_voting

🏍️（追加の解析） コミュニティ内の細胞種、コミュニティと特徴量