Scalable Topic Modelling Decodes Spatial Tissue Architecture for Large-Scale Multiplexed Imaging Analysis
Recent progress in multiplexed tissue imaging is advancing the study of tumor microenvironments to enhance our understanding of treatment response and disease progression. Despite its popularity, there are significant challenges in data analysis, including high computational demands that limit feasibility for large-scale applications and the lack of a principled strategy for integrative analysis across images. To overcome these challenges, we introduce a spatial topic model designed to decode high-level spatial architecture across multiplexed tissue images, integrating both cell type and spatial information. We benchmarked its performance through various case studies using different single-cell spatial transcriptomic and proteomic imaging platforms across different tissue types. We show that our method runs significant faster on large-scale image datasets, and consistently identifies biologically and clinically significant spatial “topics”, such as tertiary lymphoid structures.
La modélisation thématique évolutive décrypte l’architecture spatiale des tissus pour l’analyse à grande échelle d’images multiplexées
Les progrès récents en imagerie tissulaire multiplexée font progresser l’étude des microenvironnements tumoraux afin d’améliorer notre compréhension de la réponse aux traitements et de la progression des maladies. Malgré sa popularité, l’analyse des données présente des défis importants, notamment des exigences computationnelles élevées qui limitent la faisabilité de ses applications à grande échelle et l’absence d’une stratégie rigoureuse pour l’analyse intégrative à travers différentes images. Pour surmonter ces défis, nous introduisons un modèle thématique spatial conçu pour décrypter l’architecture spatiale de haut niveau à travers des images tissulaires multiplexées, en intégrant à la fois l’information sur les types cellulaires et l’information spatiale. Nous avons évalué ses performances à travers diverses études de cas utilisant différentes plateformes d’imagerie transcriptomique et protéomique spatiale à l’échelle unicellulaire, appliquées à différents types de tissus. Nous montrons que notre méthode fonctionne considérablement plus rapidement sur des jeux de données d’images à grande échelle et qu’elle identifie de manière cohérente des « thèmes » spatiaux biologiquement et cliniquement importants, tels que les structures lymphoïdes tertiaires.
Date and Time
-
Language of Oral Presentation
English
Language of Visual Aids
English