人类肠道细胞图谱的临床通用坐标框架：肠道模型

摘要

背景

人类细胞地图集资源将提供根据大体解剖、组织位置和细胞组织学图像进行空间组织的单细胞转录组数据。这将有助于生物信息学分析、机器学习和数据挖掘的应用，揭示与疾病条件相关的细胞类型、亚类型、变化状态以及最终细胞变化的图谱。为了进一步加深对特定病理和组织病理表型及其空间关系和依赖性的理解，需要一个更复杂的空间描述框架，以实现空间术语的整合和分析。

方法

我们描述了肠道细胞图谱（小肠和大肠）的概念坐标模型。这里，我们重点介绍了肠道线性模型（基于肠道中心线的一维表示），该模型表示了临床医生和病理学家在描述肠道位置时通常使用的位置语义。该知识表示基于一组标准化的肠道解剖本体术语，这些术语描述了原位区域，如回肠或横结肠，以及地标，如回盲瓣或肝曲，以及相对或绝对距离测量。我们展示了如何将1D模型中的位置映射到2D模型和3D模型中的点和区域，以及从2D模型和3D模型中的点和区域映射位置，例如患者的CT扫描，其中肠道已经被分割。

结果

这项工作的输出包括人体肠道的1D、2D和3D模型，通过可公开访问的Json和图像文件交付。我们还使用演示工具演示了模型之间的映射，该工具允许用户探索肠道的解剖空间。所有数据和软件都是完全开源的，可以在线使用。

结论

小肠和大肠有一个天然的“肠道坐标”系统，最好用穿过肠道的1D中心线表示，反映了功能上的差异。这样一个带有地标的1D中心线模型，使用查看器软件可视化，可以互操作地转换为二维解剖模型和多个肠道三维模型。这允许用户准确定位样本以进行数据比较。

背景

在简短的序言部分介绍人类细胞地图集之后，本背景部分的主要目的是向读者提供我们工作的生物医学背景。具体来说，我们首先简要介绍（1）人体肠道解剖，我们模型的重点，（2）炎症性肠病，（3）支持我们模型本质的临床研究，以及（4）单细胞RNA测序技术，这是将生物医学地图集工作推向细胞水平的主要发展。在此基础上，我们提出了所谓共同协调框架的一般情况和我们工作的具体目标。

人体细胞图谱简介

人类细胞地图集方案的任务[1]是“创建所有人类细胞的综合参考图，这些细胞是生命的基本单位，是了解人类健康以及诊断、监测和治疗疾病的基础”[2]. 人体是由组织成组织、器官和系统的细胞组成的复杂融合体，可以在健康和疾病状态下进行研究。在最基本的细胞水平上研究复杂生物体的能力产生了大量的分子数据，需要合适的数据捕获和建模平台来支持数据的解释。可视化和映射细胞到组织以及组织到器官数据的能力将使我们能够在未来更全面地了解与健康和病理状况相关的变化。

人体肠道解剖

胃肠道可以表示为一根从食道穿过胃、小肠、大肠到肛管的长圆柱形管，最后到达肛门。肠道的主要功能是通过排泄废物来消化和吸收营养物质。它在内分泌、免疫和屏障功能方面也具有重要作用，能够微妙地平衡与微生物的共生关系，并支持上皮组织的持续更新。在这里，我们重点关注小肠和大肠，从胃十二指肠连接处到肛门。这些肠道成分具有国际标准化的肠道解剖本体术语，描述了各种区域，如小肠的十二指肠、空肠和回肠，以及大肠的盲肠、升结肠、横结肠、降结肠、乙状结肠、直肠和肛管。这些组成区域之间的许多但不是全部连接被既定的标志物隔开，例如回肠-盲肠瓣膜、肝曲、脾曲和肛门直肠连接。这些带有地标的肠道区域，连同公认的平均长度测量值，可用于生成肠道的一维地图或模型，从而更准确地定位正常或疾病样本。

炎症性肠病

准确绘制肠道内的疾病位置对于炎症性肠病（IBD）很重要。这些是胃肠道慢性炎症，在世界范围内发病率不断增加[三]. 潜在的炎症被认为是继发于微生物组、激活的免疫系统和遗传易感个体的粘膜屏障功能障碍之间的相互作用。发病率的增加与西化饮食和超加工食品的采用有关[4,5]以及质子泵抑制剂等药物[6,7]. IBD有两种主要类型：溃疡性结肠炎和克罗恩病（CD）。溃疡性结肠炎影响大肠，通常从直肠开始，向近端发展，导致腹痛和肠功能改变。克罗恩病是一种从口腔到肛门影响胃肠道任何部分的较为复杂的疾病，其独特的疾病表现与受影响肠道的特定区域有关[8].

临床研究

IBD通过标准方法进行诊断，包括临床评估、放射学、内窥镜和组织学评估。Lennard–Jones标准被认为是确认克罗恩病诊断的金标准[9]. 内窥镜检查经常用于获取组织样本，并对其进行分析，以确认间断性透壁炎症的病理学改变，通常伴有深溃疡和纤维化的裂隙模式[10]. 除了破裂性溃疡外，约60%的CD病例中还存在急性和慢性炎症，伴有局灶性隐睾炎、隐窝破坏和肉芽肿形成。长期的炎症可能容易导致异型增生，有些异型增生可能演变为侵袭性腺癌。一些患者可能会出现纤维化组织，导致受影响的肠道变窄或狭窄，从而导致肠梗阻。随后，虽然对纤维化的机制了解甚少，而且其他治疗策略也不太有效，但纤维化组织可以通过手术切除[11].

在三维模型中准确地将这些变化映射到它们的正确位置以说明胃肠道内的分布是一个挑战。如果患者接受了手术，并且有相关的放射成像，那么可以合理地直接确定位置。在内窥镜手术（和许多外科手术）期间，内窥镜医生（或外科医生或病理学家）通常描述病变涉及的小肠或大肠区域（例如回肠、升结肠等），有时使用内窥镜表面的距离标记提供与肛门的距离（以厘米为单位）（见图1)或者对于手术切除标本，是指病变与标志物（如回肠-盲肠瓣或标本的切除边缘）之间的距离。需要对临床实践进行一些更改以获取这些数据常规地距离可识别的肠道标志物的距离。

图1

内窥镜显示距离标记。通过读取样本位置以及最近的近端和远端肠道标志物（例如横结肠内位置的肝和脾弯曲）的读数，这些可以用于确定肠道位置

单细胞RNA序列数据分析

单细胞测序是分析大量单个细胞转录组的强大技术（参见[12,13]和[14]用于最近的审查）。该技术产生大量数据，需要专门的计算和统计分析。通常，单个细胞被分离到板孔或液滴中，这样每个细胞的转录物就可以被条形码或标记（用唯一的分子标识符标记它们；UMI），从而可以在RNA测序后确定细胞的表达谱，这通常是在许多细胞的转录体池中进行的。所有单细胞测序实验中的主要变量是所分析的细胞数量和每个细胞生成的序列深度。单细胞测序数据质量控制的初始步骤包括删除与没有很好表示的UMI相关的数据，这些UMI通常与正在死亡或受损的细胞相关，然后检查每个细胞的多映射、不可匹配和线粒体读取的比例，其频率往往与较差的数据质量相关。由于目的是以单细胞分辨率分析转录组，因此分别使用EmptyDrops、SoupX和DoubletFinder等软件去除空液滴、无细胞RNA和双细胞。根据这些步骤，对数据进行归一化处理，以说明测序深度的差异，并在适当的情况下进行批量校正，以说明非生物因素，如样品采集时间。进一步的数据处理步骤可以涉及数据平滑和插补、细胞周期分析、无监督聚类，作为降维和数据可视化的前奏，这可以使用PCA、t-SNE和UMAP等方法来执行。在差异表达分析是一个关键参数的情况下，已经开发了多种方法，包括MAST和MetaCell。单细胞序列分析领域正在迅速发展，有许多强大而优雅的方法可以进行数据探索，并且需要使用通用坐标框架方法将这些数据与组织学、放射学、临床疾病元数据和其他数据集成。此外，绘制肠道环境中源组织样本的位置将有助于发现和分析近端-远端肠道轴线上的变化梯度，并揭示对肠道生物学的新理解。如果没有捕捉肠道位置的机制，肠道生物学的这一方面将无法被发现。

建立人类肠道细胞图谱通用坐标框架

人类肠道细胞图谱（HGCA）的主要目的是获取成人肠道空间环境中组织和单细胞数据的详细图谱。无论是针对单个患者的临床目的，还是针对更多有关肠道的一般研究，数据范围包括患者特定信息、组织病理学图像数据和放射学图像，以及作为研究工作一部分的肠道细胞单细胞测序数据，现在，所有这些都分别由医院和研究机构收集和储存。数据集成是促进人工智能技术（尤其是机器学习）从这些大型分布式数据源中获取医学有用知识的关键先决条件，以便揭示正常和疾病样本中潜在分子和细胞过程的空间组织。主要整合标准之一是收集的数据所指的组织和细胞的解剖起源。在人类细胞地图集的背景下，这些解剖位置将使用称为通用坐标框架（CCF）[15].

人类肠道细胞地图集的用例数量和类型以及因此对其CCF的要求是庞大而多样的。必须在考虑所有可能发生的情况和使CCF实用化的简单性之间取得平衡。在本文中，我们描述了基于临床实践的人体肠道共因失效，其核心是一个易于理解的1D肠道模型，但扩展到了复杂的2D和3D表示。捕获近端-远端肠道位置的机制对于不仅能够获得scRNA-seq所揭示的细胞类型图谱，而且能够获得细胞类型、亚类型和细胞状态的变化梯度，以及沿着肠道轴线的细胞数量，以及这与健康和疾病中肠道解剖的联系都至关重要。一旦我们在方法和结果部分介绍了我们自己的人类肠道细胞图谱CCF模型，我们将在讨论中提供有关相关框架的进一步细节。

目标

人类肠道细胞图谱计划的主要目标是实现所有数据类型的数据集成，以提供研究和分析能力，支持肠道和相关组织疾病及病理异常方面的科学发现和临床效益。我们这项工作的目标是为肠道提供一个实用的共因失效，使之成为可能。为此，我们开发了一个基于沿肠道中线距离的自然坐标的肠道概念模型，并将其语义扩展到特定组织和细胞。此外，我们开发了一种映射机制，可以与2D和3D肠道表现进行交叉比较，包括患者特定数据。另一个目标是使拟议CCF与其他类似工作互操作，以促进跨CCF数据集成。

在方法部分，我们根据支持我们工作的特定用例为我们的模型设置了科学背景，然后描述了模型是如何开发的。结果部分介绍了我们创建的1D、2D和3D模型，这些模型构成了拟议CCF的核心。此外，还提供了一个可公开访问的在线工具，说明这些模型的使用和交互。讨论部分回顾了相关工作，以及Gut CCF的局限性和未来前景。结论总结了模型及其实施的主要贡献，以及它们在人类肠道细胞图谱工作中的重要性和潜在影响。

方法

爱丁堡–剑桥赫尔姆斯利信托项目HGCA CCF使用案例

尽管不同项目的确切共因失效要求会有所不同，但此处描述的项目包含了此类工作的许多典型组件，因此，考虑到常见的临床和研究实践，促进了肠道模型的开发。在本项目中，克罗恩病病损样本是从手术切除中采集的。从切除标本组织片从不同的采样点采集病变组织和形态健康（无明显病理异常）组织。CCF必须能够捕获肠道内样本（活检或手术切除块）的采集位置，对于多个组织切片，切片的相对位置按照手术切除样本的顺序。在对肠道手术切除标本进行切片后，切片的一个或多个部分形成组织块以进行进一步处理，以便将新鲜组织分离为单个细胞进行单细胞转录组测序，或固定以进行组织学分析。在后一种情况下，将组织块固定在缓冲福尔马林中，加工成石蜡和部分进行染色、扫描和分析。必须跟踪节的源（就其原始块而言）及其在块中的相对顺序和相邻性。分析过程中生成的组织学和序列数据用相关CCF位置信息进行注释，以便根据组织的相同精确位置整合数据，也可以在不同患者的不同样本之间进行映射。在可能的情况下，将根据适当的法律框架或在安全的研究环境中提供数据集[16]. 项目的概念概述如图所示2.

图2

爱丁堡-剑桥-赫尔姆斯利信托基金项目HGCA CCF使用案例。项目设计包括术前MRI成像，然后进行克罗恩病变切除。对切除的材料进行处理，生成组织切片，以便与用于单细胞转录组学的相邻组织进行染色和成像。转录组数据存档在单细胞表达地图集并可从该地图集访问，放射学和组织学图像数据提交给HCA存档

Regev等人.[1]声明“为了有用，地图集还必须是一种抽象，全面地表示某些特性，而忽略其他特性。“那么，人类肠道细胞图谱的适当抽象是什么？这个问题的答案首先取决于可以可靠地获得哪些数据来构建地图集，然后如何将新数据映射到地图集上，例如，切除标本的获取位置是什么，其次，我们想使用这些数据回答哪些问题。我们从一个简单的、面向临床的1D抽象开始，然后扩展到2D和3D模型，包括它们之间的映射。这些都通过位置描述的语义层来补充。接下来将讨论我们如何创建这些抽象，具体细节和参数将在结果部分中提供。

1D-核心模型

的主要抽象肠，表示小的和大肠，是连接胃到肛门位置是根据管道中心线到解剖标志点的距离来获取的，例如在结肠镜检查期间使用内窥镜进行测量。

二维解剖图

欧洲生物信息研究所（EBI）在单细胞表达图谱（SCEA）项目中开发了解剖图，作为某些器官的二维图形表示，组织和细胞组件，用于呈现转录组数据的图形概述，并可能作为数据查询的图形界面[17]. 在这里，我们拍摄了肠道2D解剖图，并创建了在解剖图中绘制的图像域（区域），用于解剖大肠和小肠。然后将这些区域分割成与解剖图中所描绘的区域相对应的亚区域，例如肛门、肛管、降结肠、脾曲等。解剖图中描述了肠道区域的远处重叠或接触，例如小肠通过横结肠后，然后剪切域是为了保持肠道的适当连通性。

计算大肠从肛门到阑尾尖以及从回盲瓣的中线通过率—回肠（ICVi）至小肠的胃-十二指肠交界处。使用一种传播算法来计算初始中线路径，该算法按优先级考虑可能的图像位置。图像位置优先级由到路径端点的距离和到域边界的距离决定。根据沿每条路径找到的路径图像位置的有序集，计算出光滑的B样条曲线作为主路径表示。所有图像处理都是使用Woolz完成的[18].

基于三维辐射图像的模型

根据匿名CT图像计算出人体肠道（仅限于大肠和小肠回肠）的三维模型。已经建立了两个模型，一个来自结肠充气的图像，另一个来自未充气的结肠图像。在这两种情况下，大肠和全部或部分回肠的图像域都是从3D CT图像中分割出来的。对于膨胀的结肠，通过使用基于阈值的区域生长和形态学操作计算域，并手动输入区域生长种子位置。ITK快照[19]用于区域生长，Woolz用于所有其他图像处理操作。

对于非膨胀结肠，由于整个结肠区域的图像值和纹理变化很大，因此无法使用基于阈值的分割，因此使用基于Long等人描述的全卷积神经网络的机器学习方法进行预分割图像分类[20]Ronneberger等人将其作为“U-Net”实施[21]. 为了训练卷积神经网络，在3D图像中切割出少量虚拟截面，截面参数范围包括位置和3D方向，使用MAPaint公司[22]用于分割3D图像数据的交互式绘图应用程序。然后使用分割的截面图像（2D）训练u-net分类器。

为了减少手动分割的工作量，使用仿射变换和非仿射变换的组合来增加分割图像的数量。然后使用训练好的网络为所有平行于原始3D图像虚拟部分的平面生成结肠分类2D图像，从而生成完整的3D分类图像。对36组虚拟切片参数重复预测，并将结果3D分类图像平均化，得到单个此类图像。然后使用区域生长和形态学操作对分类图像进行分割，其方式与用于膨胀模型的方式类似。u-net是使用PyTorch构建的[23]，所有其他图像处理都是使用Woolz执行的。通过从3D图像中分割大肠和回肠区域，使用与2D解剖图相同的方法计算通过它们的路径。

模型–模型映射转换

每个1D、2D和3D模型都表示一个空间上下文，在该上下文中可以可视化和查询数据位置。对于空间查询和分析来说，一个模型中的位置可以映射到另一个模型，这样空间框架可以互操作，数据可以交叉比较，这一点至关重要。为此，将一维线性模型映射到分别通过解剖图和三维图像模型计算的二维和三维中线路径。每条路径上的实际距离取决于模型，因此采用分段线性映射方法作为初始或基准面交叉映射。在1D、2D和3D模型中的每条路径上，图三已标记。这些在解剖图中显示（图4)和3D模型（图5)带有标记“旗帜”和可视化肠段颜色的变化。A类位置模型内由沿着中线路径在最近的近端（朝向口腔）和最近的远端（朝向肛门）标志之间的成比例距离来定义。这个简单的定义允许在大肠和小肠的1D、2D和3D模型之间映射位置和任何相关数据。在没有额外信息的情况下，这两个地标之间位置的基本映射是线性的，但是，随着获得更详细的知识，可以将其增强为非线性映射，以更好地反映解剖结构。远离中线路径（但在肠道区域内）的位置映射到同一区域的最近中线点。为了提高效率，可以预先计算。

图3

1D核心模型被描绘为图形，节点表示解剖标志，边缘表示解剖区域。区域通常由其起点和终点地标分隔。直肠有一个额外的中间标志，称为前腹膜反射（APR），盲肠有一个附加的中间标志物，称为回盲瓣（ICV）。就大肠而言，后者被称为回肠瓣-肠中线（ICVc），而小肠的终点被称为回肠瓣-回肠（ICVi）。节点中的数字表示标记到肛门（大肠）和ICVi（小肠）的距离（单位：mm）。链接上的数字表示相应肠道区域的长度（单位：mm）。此图中显示的数字反映了一个典型的活体人体解剖结构，不同的患者将有不同的测量值

图4

显示带有分段域、中线路径和所有肠道标志的肠道解剖图。这张图片是模型在线可视化的屏幕截图，屏幕上的标记和相关文本更容易阅读。乙状结肠近端的橙色条表示感兴趣区域的位置

图5

显示分段大肠和回肠的3D模型查看器的屏幕截图。中线路径显示为细长的白色曲线，线段之间有地标，用小“旗帜”表示，每个“旗帜”都标有各自的缩写。注意，在这张截图中，标记和文本与具有缩放功能的实时查看器相比并不是很明显。查看器允许在表面模型的上下文中查看原始图像中的任意截面，通过下降冒号的横截面圆盘指示通过冒号查看图像的位置，如图5所示

这种映射机制允许将来自其他坐标框架的数据映射到这些模型。它还允许特定患者的数据通过样本采集过程中记录的地标距离或使用手术前3D图像数据进行回顾性映射。

语义扩展

到目前为止，对肠道位置的描述主要集中在其管状结构与肛门到盲肠和附录（用于大肠)和来自回盲瓣接近（对于小肠)，但它们无法提供一种机制来捕获关于给定位置胃肠壁各层的更详细的细胞位置信息，即粘膜,粘膜下层,固有肌和浆膜因此，我们通过将它们与代表这些层、组织类型和细胞类型的相关本体概念相结合，在语义上补充位置。更具体地说，相应的标准解剖学术语是作为HuBMAP项目的一部分商定的一系列解剖学结构、细胞类型和生物标记物（ASCT+B）表[24,25]，其中包括到UBERON中匹配术语的链接[26]解剖学基础模型（FMA）[27]和细胞本体（CL）[28]. 因此，典型描述可能会指定组织样本的来源为来自横结肠中段粘膜scRNAseq数据可以包括细胞类型的进一步说明，例如杯状细胞。未来的工作还将从以下方面解决位置的表示绒毛与地下室（用于小肠)和左边与正确的（用于大肠).

结果

1D-核心模型

如上所述，肠道的1D核心模型将其表示为区分解剖结构的图形地标（节点）和区域（边缘），如图三。来自肛门到盲肠捕获大肠，路径来自末端回肠到十二指肠捕获小肠. The回盲瓣节点表示大的和小肠。附在节点上的数字表示其与肛门，如果是大肠，以及到回盲瓣如果小肠.

此处所示的距离是基于文献的平均值[29,30,31]对于一个成年的活人来说（由于缺乏肌肉张力，尸体上测量的距离通常比实际尺寸长），但当然，在现实中，它们因人而异。具体数值如图所示三模型中的配置文件可从项目网站和相关GitHub档案中获得[32]. 如果可以确定特定患者的实际距离（近似值），例如通过结肠镜测量或患者的CT扫描，则可以导出一个独特的模型。下面讨论了跨模型映射位置的问题。在以下部分中，我们将基本的1D模型扩展为2D和3D。

二维解剖图

图中显示了原始肠道解剖图、分段区域和中线路径的整合，我们计算这些区域以映射到其他模型4并作为一系列配置和图像域文件从项目网站和相关GiHub存档中提供[32].

基于三维辐射图像的模型

这个域或的三维区域大肠和回肠已从如上所述的患者CT图像中分割。这些已用于定义边界曲面和通过大肠从肛门到阑尾尖端和回肠，来自回肠盲肠瓣近距离，包括末端回肠，对于小肠使用CT扫描中可见的解剖特征手动定义这些路径上的地标。由于这些特征都是针对图像数据定义的，因此可以将图像数据与此衍生数据一起显示。图5显示了我们的一个患者模型，其中显示了分段曲面肛门到的尖端附录and来自回盲瓣到回肠—空肠连接。这些是关于通过图像的单个虚拟平面和与通过降结肠。我们的基于web的可视化允许使用标准网络浏览器以交互方式查看这些派生数据，包括路径上的正交部分。

迄今为止包括的两个患者3D模型主要用于说明目的，以帮助CCF用户理解我们模型在3D背景下的核心概念。长期目标是进一步自动化前面描述的方法，以便根据患者的CT和/或MRI扫描，为每个患者高效创建个性化模型，这些模型可以映射到通用的人类肠道细胞图谱CCF中。

主数据库和模型Json文件和图像文件

爱丁堡GCA数据库中有关解剖术语的模式主要基于ASCT+B大肠和小肠表格[25]其施工由HuBMAP协调[33]（另请参阅下面的相关工作）。对ASCT+B资源中的数据进行解析，并添加位置信息，进一步添加爱丁堡小组确定的特定地标，这些地标用于各种模型的测量和绘图。每个模型（1D、2D和3D）都有自己独特的配置文件，该文件采用Json格式。每个Json配置文件的内容都是从数据库中生成的，该数据库已进一步扩展为包括表示每个Json对象/数组的表。派生的配置文件可从Nginx/Payara/PostgreSQL软件堆栈驱动的RESTful web服务中获得。

所有软件和数据文件均可从爱丁堡赫尔姆斯利肠道细胞图谱网页上公开获取[32]在“资源”下。

模型演示web应用程序

爱丁堡肠道细胞图谱查看器是一个基于web的应用程序，用于查看和浏览1D、2D和3D人体肠道模型的组合。查看器提供了一种工具，用于在从体积CT扫描数据重建的抽象1D模型、2D解剖图模型和3D肠道模型的上下文中显示位置和地图数据。这些模型和任何未来模型的详细信息，包括解剖结构、位置和每个模型特有的其他配置数据，都是通过基于MVC的RESTful服务层获得的，数据库连接是作为项目的一部分开发的。

查看器显示屏由两个主面板组成，由一个水平拆分器分隔，如图所示6。顶部面板显示抽象的1D模型，底部面板包含2D和3D模型。顶部面板上的1D模型视图分为三个子面板：滑块面板（顶部）、缩放面板（左下角）和附加信息面板（右下角）。滑块面板以比例比例的线性格式显示包括结肠和回肠在内的抽象肠道模型。查看器的底部面板显示2D和3D模型，这些模型默认以平铺布局组织。

图6

爱丁堡Gut Cell Atlas查看器的浏览器屏幕截图，上部面板中包含线性模型查看器，下部面板中包含2D和3D查看器。可以通过项目网页访问浏览器[34]

查看器允许用户放大和缩小任何2D或3D模型，并以交互方式沿不同方向旋转3D模型。如果CT扫描图像数据与3D模型相关，则可以在路径沿线的所有位置查看与中线路径正交的图像横截面。这些剖面图像将显示在模型的3D视图旁边，并由可调节的垂直拆分器分隔。用户可以选择要显示的模型子集。通过在底部面板中最大化所选模型，查看器可以将焦点放在2D或3D模型上。

此查看器中模型的一个核心概念和一个共同特征是感兴趣区域（ROI）。ROI以红色矩形显示在1D模型滑块上。它指定在1D缩放面板和注释面板中显示的模型部分。1D缩放面板可能用于向抽象模型添加注释。注释面板提供了围绕当前ROI的1D模型工件的文本表示。此外，该面板还提供了外部解剖数据源的链接，包括EBI本体搜索（OLS）工具。ROI沿所有2D和3D模型的中心线突出显示。ROI的范围可以在1D视图中更改，其位置可以在任何模型上设置。ROI位置或大小的任何更改都将反映在查看器中显示的所有模型上。

在应用程序中嵌入接口

模型演示器软件的设计考虑了重用。例如，我们设计了一个原型工具，允许使用感兴趣区域（ROI）注释在赫尔姆斯利信托肠道细胞地图集程序上下文中收集的数据集。为此，在web用户界面中嵌入了一个版本的1D查看器。随后，可以使用1D模型查看器根据ROI制定查询（见图7).

图7

基于模型的查询接口。红色矩形用于标识关注区域。在所选查询区域和先前记录的图像注释结果之间存在重叠的地方返回（按Jaccard索引排序）

除了1D模型查看器之外，2D和3D查看器也可以类似地集成在注释和查询工具中。

讨论

数据资源整合

这一概念肠道模型的开发是为了实现从临床到单细胞水平的详细生物医学数据的空间注释。使用该模型的CCF允许根据沿肠轴的距离的肠道自然坐标对数据进行注释，并补充解剖学、组织和细胞类型以及生物标志物本体。这使得从单细胞分析到组织病理学到宏观临床数据（包括组织切除和3D放射成像）的数据注释成为可能。在这里，我们使用可视化工具来展示模型，以便对模型进行探索，并允许用户将CCF位置定义为感兴趣的区域（ROI），以表示样本位置。我们建议ROI代表采集样本的空间位置范围，样本大小的详细说明将成为样本数据的一部分。任何类型的数据都可以包含以这种方式定义的空间位置，我们设想每个数据资源或存档都将提供这些位置，以便以空间术语进行集成和查询。通过这种方式，用户可以发现相关数据，如单细胞UMAP/t-SNE分析、组织病理学和空间转录组数据，这些数据与患者MRI数据相关联。我们正在为这种空间标注开发标准化协议和数据格式，为此我们创造了“定位卡”. 使用这些卡的任何资源都可以交叉查询与特定共因失效位置相关的数据，这些数据具有明确的相似性、接近性和距离度量，以提供按相关性排序的数据。在HCA资源术语的上下文中，我们将能够实现空间查询和分析数据门户.

模型演示器（图7)显示了用户如何使用1D模型界面指定空间查询，并显示与该查询匹配的有序条目列表。该软件提供了一个简单的API来返回定义的ROI的详细信息，并转换为任何映射的2D和3D模型。当已经定义了位置卡的规范时，API将提供该卡作为示例空间注释，从而实现空间查询功能。

当前临床实践和位置规范

如前所述，内窥镜表面距离标记可用于在此处描述的核心线性模型内定位样品（用于组织学或分子分析），使用沿肠道中心线的距离。然而，目前的实践也存在一些局限性，因为一些内镜医生只提供肠道区域，没有距离数据，而一些内镜医生可能只提供肛门的距离数据，不允许患者在肠道区域的个别特定长度上存在个体差异。另一种方法是提供与最近地标（例如回肠瓣）相关的样本距离数据，包括肠道部分，以便更准确地绘制肠道区域内的样本位置。该陆块到病变/样本距离数据可以作为绝对距离（例如，位于回盲瓣远端110mm处的上行结肠病变）或比例距离（例如位于回盲瓣膜和肝曲之间距离的三分之二处的上行大肠病变）提供。这将提高临床记录中记录样本位置的准确性。使用此处描述的1D中心线和地标模型将能够利用此变化，提高在适当的通用坐标框架中收集和记录的数据的位置精度。

GCA共因失效模型查看系统的设计使样本和样本数量能够以链接方式使用所有1D、2D和3D模型进行可视化。这允许使用模型查看器系统的当前演示版本，从我们自己的研究和GCA联盟中的其他小组整理scRNA-Seq、组织学和放射学数据，我们正在进一步开发这些系统，以实现样本位置的可视化，为特定患者定制的模型，可能是切除了部分肠道或有气孔的患者。该系统允许将结肠镜检查视频与模型中显示的位置相链接。值得注意的是，这些模型独立于CCF模型可视化软件系统，任何一部分都可以独立开发或更改。其他研究小组可以根据自己的意愿，使用不同的可视化软件，将这些模型用于不同的研究目的。

相关框架

尽管术语通用坐标框架（CCF）仅在最近（过去5年内）才流行起来，主要是指新兴的人类细胞地图集（HCA）所需的计算框架，CCF的许多特性在生物医学地图集领域的研究和开发时间更长。例如，我们自己的爱丁堡老鼠地图集项目[35]早在1992年就对其坐标框架进行了描述[36]. 其他生物模型的生物医学地图集包括果蝇[37]，小鸡[38]和斑马鱼[39]. 人类地图集示例包括HDBR资源[40]和艾伦人脑图谱[41]. 对这些地图集的详细讨论超出了本文的范围，但值得注意的是，正如新出现的CCF一样，许多地图集利用解剖本体论，或至少某种形式的受控解剖词汇，以及考虑中的器官或有机体的三维体量重建。重要的是，与这里描述的gut公共坐标框架一样，通常提供了本体概念和3D坐标系中相应体素集之间的映射。

随着新生物技术的引入，特别是高通量scRNA-seq分析，扩展的空间索引技术，现在被广泛称为通用坐标框架，已经出现。Rood等人[42]总结新的要求并讨论CCF开发的各种方法，包括四种类型CCF的层次结构：宏观（全组织尺度）、中观（组织内区域尺度）、微观（组织学尺度）和精细（细胞尺度）。我们目前的GCA模型从宏观到微观都有。Elmentaite等人[13]描述使用单细胞转录组学绘制从胚胎到儿童到成人的整个生命周期中胃肠道细胞景观的变化，包括疾病中肠道淋巴组织的变化。

Boerner等人[43]为美国国立卫生研究院（NIH）人类生物分子地图集计划（HuBMAP）引入CCF。HuBMAP与我们自己的肠道细胞图谱工作直接相关，因为它旨在为包括小肠和大肠在内的整个人体提供CCF支持。在HuBMAP中，每个器官系统的专家组正在整理和扩展所需的解剖学、组织和细胞级本体论，并且正在创建一系列3D图谱模型，以捕获除组织学成像外为单细胞分析收集的组织样本的3D位置。目标是为成年女性和男性人体的所有部位提供标准的“基本水平”能力。对于包括大肠和小肠在内的许多器官系统，已经提供了这种能力，并且已经绘制了一些数据。注册工具提供了一个在线3D界面，用户可以在其中操纵一个表示样本范围的小长方体到3D模型中的特定位置。然后进行记录，所有人都可以使用类似的勘探工具进行查看。这些接口现在可用，并提供了一个重要的基础级机制，但对于肠道细胞地图集（GCA）来说存在一些问题。注册组织样本的当前HuBMAP SOP[44]提供了一种机制，将组织样本定义为包围样本的矩形块，然后使用注册接口将其注册到3D位置。通过这种方式，块可以获得精确的位置，但没有测量该位置的空间不确定性。鉴于组织的采集方式，精确位置可能未知，与其他数据的比较可能会导致不一致，例如在基因表达梯度的解释中。第二个问题是工具的可用性，这需要实践，不太可能由收集组织的专家直接使用，即对样本的定位和不确定性最了解的外科医生、内窥镜医生和临床病理学家。第三个问题是肠道图谱系统似乎没有一种机制来测量从一个样本到另一个样本的功能相关接近度，因为所有坐标都在3D空间中，肠道的循环使得3D接近度远不如“自然坐标”中的功能接近度有用特别是沿着中心线的距离。

相比之下，我们自己的模型旨在提供一个实用的GCA CCF，该CCF表示肠道本身沿着其中心线相对于附近地标的坐标，并为临床医生和科学家收集数据提供一种机制，以便能够记录准确的位置（如有），或者以与临床采集过程相匹配的方式，将位置的不确定性作为范围或ROI。最终，我们预计将使用这两种方法收集和绘制数据，因此我们正积极与HuBMAP团队合作，以提供合适的互操作性解决方案。在这个阶段，我们已经使用我们的算法从我们的模型映射到女性和男性小肠的HuBMAP模型[https://hubmapconsortium.github.io/ccf/pages/ccf-3d-reference-library.html]. 因此，我们在所有模型之间建立了空间互操作性，在任何CCF模型空间中标识的位置都可以位于任何其他位置。这些模型映射是前面讨论的基于web的演示应用程序的一部分。

我们注意到，使用前面描述的算法，可以在1D、2D和3D模型之间以及这些模型和其他模型（如HuBMAP CCF）之间映射数据。这些简单计算的映射目前仅限于穿过结肠或回肠的路径范围，没有考虑到与中线的径向距离或角度，尽管原则上我们的模型和映射可以扩展到包括这些附加参数。

我们的GCA CCF模型是专门为更精确地将单细胞RNA-sequence（scRNA-Seq）数据映射到沿肠中轴的位置而设计的。随着scRNA-Seq数据的积累，这将允许进行空间梯度分析，以研究肠道细胞基因表达模式如何沿小肠和大肠的线性轴变化，这可能会揭示新的解剖或生理特征。数据集成的发展涉及来自多个来源的scRNA-Seq的相关性，这是使用多集团联盟的HCA方法的优势之一。我们的方法是对HuBMAP版本的补充，该版本仅提供大致的肠道区域位置，但不提供基于距离的更准确的样本位置，因为用于绘制肠道样本位置的HuBMAP机制无法根据与关键地标的距离或与该位置相关的不确定性程度精确定位位置。该GCA CCF模型增强并扩展了当前HCA模型，以从单细胞RNA表达数据中获得见解。此外，任何一组的scRNA-Seq数据与相关组织学数据的整合都很简单，而来自几个不同研究组的相同或非常相似肠道位置的数据的整合需要使用该模型制定的基于位置的准确方法。因此，本文重点介绍了新的GCA CCF模型，并讨论了使用该模型可能实现的新功能，而不是演示如何充分利用所有这些可能的功能。

GCA并不是CCF关注单个器官的唯一例子。其他器官特异性细胞图谱工作包括大脑[45]，肺[46]，肝脏[47]、和眼睛[48].¹一个有趣的跨器官CCF解决方案探索基于血管系统[49]. 与房屋在道路上的位置类似，细胞的位置是根据最近的血管来描述的。这里的一个关键优势是血管系统从动脉到小动脉再到毛细血管的自然缩放（静脉也是如此）。这项工作尚处于早期阶段，其作为共因失效的应用尚待测试。

多分辨率问题

HGCA和包括HCA在内的机构将以大范围的空间分辨率收集和存档数据：切除的材料10–1000 mm，组织块5–20 mm，活检3–5 mm，SCA组织样本0.5–3 mm，功能组织单位[50]和细胞组件20–100μm，组织学。厚度为5-20μm，单细胞数据为10-20μm，潜在的亚细胞转录数据为0.01-1μm。基于图像的数据将是毫米分辨率（放射学）到亚微米分辨率的显微镜。当前的空间转录组学系统通常在采样位置（点）之间捕获20–50μm的完整转录组，并且方法正在改进。CCF面临的挑战是通过组织切片定位以及组织和多细胞结构的图像对齐，捕获并比较临床样本位置的所有尺度上的空间信息。Rood等人描述了不同组织的不同方法，并讨论了宏观到微观数据的共因失效。在这里，我们提供了一个基于坐标的CCF，以捕获1D到3D肠道表示范围内的样本位置（也提供了互操作性），并对肠道子结构和层内的定位进行语义细化。一维概念模型强调了定义近远轴的肠道的“自然坐标”，因此提供了一种机制，用于连接临床和病理报告以及文献中描述的肠道位置的自然语言描述。还可以使用空间本体（如BSPO）支持对更高分辨率空间位置的语义描述，例如组织块和组织切片的相对顺序和排序[51]，但尚不支持组织切片图像之间的高分辨率映射。

模式生物及其映射

此处为人类设定的小肠和大肠1D模型框架的原理也可用于其他物种肠道的线性表示，包括一系列模型生物体，如小鼠、大鼠、猪、羊等。小肠从胃十二指肠交界处到回盲瓣的共线性映射，类似地，从回盲阀到肛门的大肠，跨越不同物种，可以在哺乳动物肠道的相似区域之间近似平移样本或病变。这将允许在这些不同物种之间进行具有生物医学意义的空间映射，以便进行跨物种数据比较，包括支持跨许多不同物种的搜索和查询功能。这可能构成跨物种肠道细胞图谱的基础，用于围绕肠道数据制定标准和进行比较。

对这项跨物种工作的详细讨论和评估超出了本文的范围。然而，我们注意到线性模型方法在这方面的潜在效用。图8显示了摘要模型作为中间产物，与UBERON相似[26]作为一个跨物种的解剖学本体。虽然我们可以直接在老鼠和人之间绘制地图，但抽象模型简化了其他物种的添加。它只需要将每个物种映射到抽象模型上，而不是将所有可能的物种成对组合。

图8

使用抽象中间层的基于线性模型的人鼠肠道位置映射

结论

在这里，我们得出结论，小肠和大肠有一个自然的“肠道坐标”系统，该系统最好表示为穿过肠道的1D中心线。这反映了在小肠和大肠的不同区域出现的功能差异，同时故意忽略了肠道的三维循环，这可能会在肠道的大范围和非常不同的区域之间产生短暂和虚假的接近。我们以小肠和大肠的中心线为基础构建了一个1D模型，附带的查看器软件允许可视化这种1D表示，并可互操作地转换为二维解剖图模型和多个基于三维放射学扫描的肠道模型。这允许用户定位样本（用于组织学、单细胞转录组学或其他研究目的）或通过内窥镜检查、放射学调查或手术干预获得的临床识别病变，使用从一个或多个已知地标沿中心线的绝对距离或比例距离精确定位。重要的是，这种更具体的样本解剖位置机制允许以功能相关的方式在不同患者和不同研究之间进行数据比较。