MCseg: Flujo de trabajo guiado por un agente de IA para la búsqueda de métodos de segmentación celular sin necesidad de programación y atribución de transcritos en la transcriptómica espacial.

El análisis a nivel celular de la transcriptómica espacial de alta resolución depende de una segmentación y asignación de transcritos precisas; sin embargo, los flujos de trabajo actuales a menudo priorizan la captura de transcritos sobre la pureza de los límites y pueden requerir una experiencia considerable en análisis de imágenes. Desarrollamos MCseg, una plataforma descargable sin necesidad de programación, cuyo motor de segmentación fijo se obtuvo mediante una búsqueda guiada por un agente de IA, en la que un agente de IA propuso y evaluó iterativamente combinaciones de operaciones de procesamiento de imágenes y segmentación en función de los límites celulares derivados de Xenium. En un conjunto de datos de desarrollo de adenocarcinoma de pulmón, MCseg con parámetros fijos aumentó la calidad panóptica media de 0,432 a 0,472 en comparación con una línea de base de Cellpose con dos diámetros optimizada con Optuna, mientras que un análisis de calibración guiado por referencia alcanzó los 0,554. En una región independiente de cáncer colorrectal anotada por expertos, MCseg mostró una mayor recuperación de linaje y un micro-F1 más alto que el flujo de trabajo ENACT basado en StarDist entre las células cubiertas por ambos métodos.

En 15 regiones de cáncer colorrectal, MCseg aumentó la discordancia de expresión vecinal y redujo la coexpresión exclusiva del linaje en comparación con Space Ranger a una densidad de UMI similar. El flujo de trabajo fijo también se aplicó a muestras de cáncer de mama recién congeladas sin necesidad de una búsqueda de arquitectura específica del tejido, lo que ilustra una vía guiada por un agente para lograr un análisis de transcriptómica espacial a nivel celular reproducible y de fácil implementación local.