Modelos de particionamiento aleatorio espacialmente alineados en datos de transcriptómica resuelta espacialmente

Proponemos modelos de partición aleatoria espacialmente alineada (SARP) para agrupar múltiples tipos de unidades experimentales, incorporando dependencia en un subvector de los parámetros específicos del clúster, por ejemplo, un subvector de información espacial, como en la aplicación motivadora. El enfoque se desarrolla para inferir sobre la co-localización de subpoblaciones de células inmunes, estromales y tumorales. El objetivo es comprender el reclutamiento de subtipos de células inmunes y estromales por parte de las células tumorales, formalizado como dependencia espacial de las correspondientes subpoblaciones celulares homogéneas. Esto se logra mediante la construcción de modelos bayesianos no paramétricos de partición aleatoria para los diferentes tipos de células, con una priori jerárquicamente estructurada que introduce la dependencia deseada.

Específicamente, utilizamos priors de Pitman-Yor y agregamos dependencia en la medida base para características espaciales, mientras que dejamos la medida base correspondiente a las características de expresión génica a priori independientes entre diferentes tipos de células. Los detalles de la construcción del modelo están diseñados para conducir a un algoritmo MCMC conveniente para inferencia posterior. Estudios de simulación muestran un rendimiento favorable en la identificación de co-localización entre tipos de células. Aplicamos el enfoque propuesto con datos de cáncer colorrectal (CRC) y descubrimos subtipos de células inmunes y estromales que están espacialmente alineados con regiones específicas del tumor.