La transcriptómica espacial ha proporcionado a los biólogos algo que han deseado durante décadas: la capacidad de observar un corte de tejido y ver, con precisión genómica, qué genes están activados en cada ubicación. La tecnología es transformadora en campos que van desde la biología del desarrollo hasta la investigación del cáncer, revelando cómo las células se organizan en tejidos, cómo los tumores remodelan su microambiente y cómo se forman los órganos durante el desarrollo.
Pero hay un inconveniente. La mayoría de las plataformas de transcriptómica espacial no capturan células individuales. Capturan puntos (spots), pequeñas regiones circulares o cuadradas de tejido, cada una con entre una y una docena de células. El ARN medido en un solo punto es una mezcla de señales de los tipos celulares que se encuentran allí. Un punto que cae en el límite entre un tumor y un vaso sanguíneo, por ejemplo, puede contener células cancerosas, células endoteliales y células inmunitarias mezcladas. Para entender la biología, es necesario desenredar esa mezcla, un proceso llamado deconvolución.
Durante años, el enfoque estándar de la deconvolución ha sido simple en concepto: utilizar un conjunto de datos de referencia separado, generalmente de secuenciación de ARN unicelular (scRNA-seq), que indique cómo se ve cada tipo celular transcripcionalmente. Luego usar esa referencia para desmezclar los datos espaciales, asignando proporciones de cada tipo celular a cada punto. Funciona bien cuando se tiene una referencia emparejada de alta calidad del mismo tejido y condición.
Pero ese es un gran “cuándo”.
El problema de la referencia
Las referencias unicelulares emparejadas son costosas y requieren mucho tiempo para generarse. Requieren disociar el tejido en células individuales, un proceso que destruye el contexto espacial y puede introducir sesgos. Muchas muestras de tejido importantes, como biopsias clínicas, muestras FFPE archivadas y muestras de desarrollo raras, simplemente no pueden combinarse con un conjunto de datos unicelulares frescos del mismo espécimen.
Incluso cuando existe una referencia, puede no ser una buena coincidencia. Las plataformas de transcriptómica unicelular y espacial tienen diferentes eficiencias de captura, tasas de detección de genes y sesgos. Una referencia de otro donante, etapa de la enfermedad o laboratorio introduce variación biológica difícil de separar de la biología tisular genuina. Las listas de genes marcadores son una solución común, pero son toscas, omiten estados celulares sutiles y fallan por completo en tejidos no familiares.
Esto crea un problema del huevo y la gallina. Se necesita saber qué tipos celulares están presentes para analizar los datos espaciales, pero se necesitan datos espaciales para entender qué tipos celulares están presentes. La referencia, en lugar de ser una adición útil, se convierte en un requisito que limita el alcance de lo que la transcriptómica espacial puede estudiar.
RETROFIT: deconvolución sin la referencia
Un nuevo método publicado hoy en Nature Communications rompe esa dependencia. Llamado RETROFIT (Reference-Free Deconvolution of Cell-Type Mixtures in Spatial Transcriptomics), el método es un marco bayesiano que trabaja directamente desde las mediciones de secuenciación, sin requerir ninguna referencia externa en la etapa de deconvolución.
Desarrollado por un equipo de la Universidad Estatal de Pensilvania (Roopali Singh, Xi He, Xinyue Wang, Adam Keebum Park, Ross Cameron Hardison, Xiang Zhu y Qunhua Li), RETROFIT trata la naturaleza sin referencia del problema no como una limitación a sortear, sino como la restricción central del diseño.
La idea central es matemática. Cada punto en un conjunto de datos de transcriptómica espacial registra un vector de valores de expresión génica, miles de genes medidos simultáneamente en cientos o miles de puntos. Si hay suficientes puntos y suficientes genes, la estructura de los datos mismos contiene la información necesaria para separar los tipos celulares. Diferentes tipos celulares expresan diferentes combinaciones de genes, y esos patrones combinatorios dejan firmas estadísticas en la matriz de datos brutos. El desafío es extraerlos.
RETROFIT plantea esto como un problema de factorización bayesiana no negativa. Descompone la matriz de datos de transcriptómica espacial en dos matrices más pequeñas: una que captura los perfiles de expresión génica específicos de cada tipo celular (cómo se ve cada tipo celular), y otra que captura la proporción de cada tipo celular en cada punto (dónde se encuentra cada tipo celular). El enfoque bayesiano le da al modelo una manera fundamentada de manejar la incertidumbre: los puntos con mezclas ambiguas se señalan en lugar de asignarse con exceso de confianza, y la restricción de no negatividad garantiza que las soluciones sean biológicamente interpretables: sin valores de expresión negativos ni proporciones negativas.
El método utiliza un algoritmo de inferencia variacional estocástica estructurada para escalar eficientemente al tamaño de los conjuntos de datos típicos de transcriptómica espacial, que pueden incluir miles de genes y decenas de miles de puntos.
Crucialmente, la arquitectura de RETROFIT separa el paso de deconvolución del paso de etiquetado de tipos celulares. El método primero aprende los componentes latentes de tipos celulares solo a partir de los datos espaciales. Solo después de identificar esos componentes utiliza opcionalmente información externa, ya sea una referencia unicelular o una lista de genes marcadores, para asignar nombres biológicos (por ejemplo, “célula T CD4+”, “hepatocito”) a los componentes que encontró. Este diseño de dos etapas garantiza que la descomposición central nunca esté contaminada por el sesgo de la referencia. La referencia, cuando se usa, es solo una etiqueta, no una muleta.
Rendimiento
El equipo de Penn State probó RETROFIT exhaustivamente contra alternativas con y sin referencia. En simulaciones controladas donde se conocía la composición real de tipos celulares, RETROFIT superó a los métodos existentes sin referencia. Más importante aún, igualó o superó a los métodos basados en referencia incluso cuando esos métodos recibieron referencias perfectas y emparejadas.
Este último resultado es sorprendente. Sugiere que la deconvolución basada en referencia, a pesar de su popularidad, puede estar introduciendo errores en lugar de eliminarlos: errores por efectos de plataforma, cobertura incompleta de tipos celulares o estados biológicos no coincidentes. RETROFIT evita todo eso al mantenerse anclado en los datos que está analizando.
Las ventajas se hicieron más claras con referencias imperfectas, los casos del mundo real donde los métodos basados en referencia luchan más. Cuando el equipo introdujo referencias no coincidentes (simulando el escenario común donde se usa una referencia pública de un donante diferente en lugar de una emparejada), el rendimiento basado en referencia disminuyó sustancialmente. El rendimiento de RETROFIT no cambió.
Viendo la estructura fina sin un mapa
Quizás la demostración más convincente provino de los datos de Visium HD. Visium HD, lanzado por 10x Genomics, representa un salto en la resolución de la transcriptómica espacial, reemplazando los puntos estándar de 55 micrómetros con características continuas de 2 micrómetros que se acercan a la escala unicelular. Pero incluso a esta resolución más alta, los contenedores individuales aún pueden contener mezclas de tipos celulares, y la estructura más fina de Visium HD introduce nuevos desafíos de escasez de datos que ponen a prueba los límites de los métodos de deconvolución.
RETROFIT funcionó eficazmente en datos de Visium HD, recuperando patrones espaciales detallados sin requerir referencias unicelulares ni genes marcadores. El método identificó dominios de tipos celulares espacialmente coherentes (regiones donde dominan tipos celulares particulares) que coincidían con la anatomía tisular conocida, todo derivado puramente de la estructura de los datos de expresión espacial.
Esto es particularmente valioso para el creciente número de investigadores que adoptan plataformas espaciales de alta resolución. La capacidad de analizar datos de Visium HD sin necesitar una referencia scRNA-seq emparejada elimina una barrera importante de entrada y acelera el camino desde el corte de tejido hasta la comprensión biológica.
Amplia aplicabilidad
RETROFIT no se limita a una sola plataforma. El equipo demostró su efectividad en múltiples tecnologías de transcriptómica espacial, incluyendo Slide-seq (que utiliza perlas con código de barras) y la plataforma 10x Visium. El método maneja diferentes tamaños de puntos, diferentes eficiencias de captura y el rango de tasas de detección de genes que caracterizan a diferentes plataformas, todo sin reajustes.
El método ya está disponible como un paquete de R de Bioconductor llamado `retrofit`, con documentación completa y viñetas tanto para datos simulados como reales. Esto lo hace accesible a la amplia comunidad de biólogos computacionales que trabajan dentro del ecosistema de Bioconductor.
Un nuevo camino a seguir
La publicación de RETROFIT no hace obsoleta la deconvolución basada en referencia. Cuando se dispone de una referencia unicelular emparejada de alta calidad, los métodos basados en referencia siguen siendo una herramienta poderosa. Pero RETROFIT cambia la suposición predeterminada. En lugar de preguntar “¿Tengo una referencia suficientemente buena para analizar mis datos espaciales?”, los investigadores ahora pueden preguntar “¿Qué revelan mis datos espaciales por sí mismos?” y agregar referencias más tarde para la interpretación biológica.
Este cambio es oportuno. La transcriptómica espacial se está expandiendo rápidamente hacia laboratorios clínicos, la biología del desarrollo y campos como la biología vegetal y la microbiología, donde las referencias unicelulares emparejadas son escasas o inexistentes. Un enfoque sin referencia que funcione en todas las plataformas y resoluciones hace de la transcriptómica espacial una tecnología más democrática, accesible para cualquier laboratorio con un corte de tejido y un secuenciador.
Para la creciente comunidad de científicos que mapean la organización espacial de la expresión génica, RETROFIT ofrece algo simple y poderoso: la capacidad de ver lo que está allí sin necesidad de saber lo que se está buscando primero.
Reference: Singh, R., He, X., Wang, X., Park, A. K., Hardison, R. C., Zhu, X., & Li, Q. RETROFIT: Reference-free deconvolution of cell-type mixtures in spatial transcriptomics. Nature Communications (2026). DOI: 10.1038/s41467-026-74928-7
Traducido por Alessandra