【方法解读】Nat Methods：如何选择最佳的空间聚类方法

在做空间组学分析往往离不开空间聚类。很多人在选择聚类算法的时候会比较困惑，到底用什么算法，以及评价标准是什么。

本文给出这一套框架：准确性（NMI、HOM 和 COM）、空间连续性（CHAOS、ASW 和 PAS）、maker基因的得分（Moran's I 和 Geary's C）和可否落地（时间和内存占用）这四个维度给出总打分，以对现有的空间聚类工具进行评估。

这一框架能帮助研究人员挑选出适合其空间组学数据分析需求的最佳聚类工具。

• 文章题目：Benchmarking spatial clustering methods with spatially resolved transcriptomics data

• 文章来源：Yuan, Z., Zhao, F., Lin, S. et al. Benchmarking spatial clustering methods with spatially resolved transcriptomics data. Nat Methods (2024). https://doi.org/10.1038/s41592-024-02215-8

• 分析的数据集：34 个 SRT 数据（7 个数据集）

文章涉及到 11种空间聚类和2种非空间聚类的工具，总共13种方法。这些方法大多2021年之后开发，代表了该领域的最新的技术进步。其中，采用的非空间方法是Louvain和Leiden。空间方法则包括SpaGCN、BayesSpace、stLearn、SEDR、CCST、SCAN-IT、STAGATE、SpaceFlow、conST、BASS和GraphST。尽管Louvain和Leiden都是为非空间单细胞数据设计的，但之前研究有效因此也作为可考虑的方法纳入以展示考虑空间信息的效果。

如何打分：

我们前面提到用四个维度打分。具体来说，

准确性评分：首先，针对每种方法，在基于成像的数据集上计算NMI（归一化互信息）、HOM（同质性）和COM（完整性）的平均值。然后，将NMI、HOM和COM的值按升序排列（最好到最差），分别获得rankNMI、rankHOM和rankCOM。最后，计算rankNMI、rankHOM和rankCOM的平均值，得到准确性的总体得分。

空间连续性评分：计算CHAOS、ASW和PAS的排名，然后求平均得到空间连续性的总体得分。

类似地，Marker基因得分以及可落地性得分也是对各个指标的计算排名求平均以获得该项的总体得分。通过这种基于排名整体得分方法，可以综合评价每种方法在组学数据集或基于成像的数据集上的表现。

原文图4a和图4b展示了13种空间聚类方法在多个指标上的性能评估，这些指标包括是否支持多切片分析、平台（Python或R）、是否能输出上下文感知表示、以及NMI、HOM、COM、CHAOS、ASW、PAS、Moran’s I、Geary’s C、运行时间和峰值内存使用等。这些方法的评分基于它们在两组数据集上的表现：10x Visium（图4a）和基于成像的技术（图4b）。

所有方法在性能和功能上互补。比如A聚类方法准确性最佳但是时间比较长，如果你追求更高的交付效率就要妥协了；B方法性能虽然速度更好但是准确性一般般。

看来用单一的方法确实不行， 那应该怎么办？

本文提出分而治之的思路（‘divide and conquer’ approach）：

在处理空间数据的时候，复杂的大的任务分解成小的多个子任务，这些子任务分别用现有的方法来解决，之后再将各个子任务产生的子结果合并成最终的聚类的结果。

具体如何实现？本文举了一个例子：SpaceFlow-DC（SpaceFlow Divide and Conquer）方法用于多张片层的空间聚类：首先，SpaceFlow独立应用于每个切片，提取上下文感知嵌入及聚类标签。然后，Harmony集成方法用于整合各切片结果，消除不一致性。接着，可应用多种聚类方法如Louvain、mclust等重新聚类，以确保整体一致性。最终，利用归一化互信息（NMI）评估空间聚类准确性。

这就好比一本很厚的书，需要对每一章进行详尽的分析，这本书的每一章可以被视为一个单独的“空间数据切片”。首先你需要独立的提取每章关键信息和要点，为了防止每章不一致需要采用Harmony集成方法，将所有章节的关键信息进行整合。当你用这个方法去除了“批次效应”，接下来就可以采用不同的聚类（例如Louvain、其他聚类方法等）对章节要点进行重新标记，最后再用评估算法来审核结果的有效性。通过这种方法，我们能够有效且系统地处理并分析大量的空间数据切片，最终汇总成一本内容准确、结构清晰的“书”一样。

这种策略能够灵活的处理所有情况，与其硬憋一套新算法不如把当前已有算法做组合达到你的聚类目标。

图5：用SpaceFlow-DC方法处理空间转录组数据集以展示了对31个切片的空间聚类分析。初始阶段，每个切片单独应用SpaceFlow生成上下文感知嵌入，随后Harmony集成这些嵌入，解决了由独立训练引起的批次效应和标签不一致问题（图5a），并产生了对齐的联合嵌入和聚类结果（图5b）。

跨切片分析揭示了SpaceFlow-DC在保持领域标签一致性方面的优势，对比原始SpaceFlow在多切片应用中的标签不匹配问题（图5d对比5c,e）。此外，定量评估显示SpaceFlow-DC在准确性（图5f,g）和运行效率（图5h）上的优异表现，证明了其在保证预测准确性的同时，能够适应大规模数据分析的需求。