Сотрудничество для декорреляции в пространстве путей: выбор энергии Гамильтона с переходом интерфейса (HRETIS)

Реакционно-диффузионные системы могут создавать пространственные шаблоны, такие как полосы и пятна, благодаря нестабильности, вызванной диффузией. Управление этими шаблонами от одной конфигурации к другой можно сформулировать как задачу оптимального управления. Когда управление осуществляется на всей пространственной области, условия существования и оптимальности хорошо изучены. Тем не менее, на практике управление может действовать только на части области. Рассматривая реакционно-диффузионную систему Nodal-Lefty в качестве примера, мы анализируем ситуацию, когда управление ограничено подсистемой. Мы выводим явную верхнюю границу потерь оптимальности, определяемую как разница между оптимальной стоимостью подсистемы и полной оптимальной стоимостью. Исходя из этой границы, мы получаем явную формулу для минимального размера области управления, необходимого для достижения целевого шаблона с заданной точностью. Мы также рассматриваем случай, когда управление распределено по нескольким несоединенным регионам вместо одного, с той же общей площадью, и доказываем, что распределенная конфигурация дает более строгую границу при естественных условиях на пространственную структуру цели. Численные иллюстрации подтверждают теоретические результаты и показывают, что область управления, охватывающая примерно сорок процентов области, достаточна для изменения системы от полос к пятнам с высокой точностью.

Пространственная и одноклеточная транскриптомика являются трансформирующими подходами в расшифровке клеточной динамики. Поскольку основной парадигмой для реконструкции путей развития клеток является вывод траекторий, этот процесс критически важен. Однако существующие методы требуют значительного ручного вмешательства и знаний о разнородных инструментах, что создает значительные барьеры для эффективного анализа траекторий. Чтобы преодолеть этот разрыв, мы предлагаем SpaCellAgent — автономную многоагентную структуру, которая автоматизирует анализ спатиовременных данных и генерацию нарративов от начала до конца. SpaCellAgent использует многоагентную архитектуру для стратегического планирования рабочего процесса, динамический движок оркестровки инструментов для адаптивного выбора алгоритмов и модуль самоэволюции, который поэтапно уточняет производительность на основе обратной связи. Мы оцениваем SpaCellAgent на шести разнородных наборах данных, охватывающих сложные временные траектории развития, различные платформы секвенирования и пространственно разрешенные архитектуры тканей. SpaCellAgent последовательно демонстрирует улучшение аналитической эффективности более чем на 40% при сохранении производительности, соответствующей экспертным стандартам. Конвертируя спецификации на естественном языке в оптимизированные аналитические рабочие процессы и полностью автоматизируя конвейер, SpaCellAgent демократизирует продвинутое спатиовременное моделирование и устанавливает масштабируемую, управляемую агентами парадигму для вычислительной биологии. Код и материалы доступны по адресу https://github.com/LittleXH-shw/SpaCellAgent.

Мы представляем метод обучения многообразия EntroPath, который восстанавливает геодезическую геометрию из графов данных с помощью ансамблей диффузионных путей. Многие существующие встраивания на основе графов полагаются либо на локально нормализованные случайные блуждания, либо на расстояния по кратчайшему пути. Первые могут сосредотачивать диффузию в плотно sampled областях, в то время как последние чувствительны к ложным кратким мостам в графе. EntroPath, в свою очередь, строит свои различия на основе случайного блуждания с максимальной энтропией (MERW), которое агрегирует полный ансамбль путей длины k между точками, а не полагается на какую-либо одну траекторию. Мы показываем, что полученное различие свободной энергии сходится к квадратному геодезическому расстоянию в пределе короткого времени, используя формулу теплового ядра Варадхана. Глубина диффузии k плавно интерполирует между локальной структурой окружения и глобальной геометрией многообразия, а симметризованное ядро допускает точную факторизацию Грама, соединяющую EntroPath с методами ядровых функций. Мы также предоставляем масштабируемые расширения через проекцию знаковых точек и псевдовремя диффузионного потенциала. На синтетических многообразиях и Benchmarks для одиночных клеток EntroPath последовательно соответствует или превосходит методы на основе диффузии и кратчайшего пути, оставаясь конкурентоспособным по сравнению с встраиваниями, сохраняющими соседство (UMAP, t-SNE), по метрикам локальной структуры. Его преимущества наиболее выражены на многообразиях с неравномерной плотностью выборки и хорошо разделенными ветвящимися траекториями, где диффузия по ансамблю путей более точно сохраняет основную геодезическую геометрию.

Аденокарцинома поджелудочной железы (ПДЖ) является одним из самых агрессивных злокачественных новообразований у человека и имеет крайне неблагоприятный прогноз. Ее прогрессирование в значительной степени обусловлено крайне сложным и иммунодепрессивным микротройным окружением (МТО), что подчеркивает срочную необходимость в более глубоком понимании ее молекулярных механизмов. Недавние достижения в области секвенирования РНК на уровне единой клетки (scRNA-seq) и пространственной транскриптомики (ST) предоставили беспрецедентные возможности для анализа клеточной гетерогенности, пространственной организации и динамики экспрессии генов в рамках МТО. В этом обзоре мы суммируем основные технологии scRNA-seq и ST, а также их уникальные преимущества в исследовании рака, и подчеркиваем их интегрированные применения в раскрытии гетерогенности ПДЖ, взаимодействиях стромы и иммунной системы, а также механизмах терапевтической устойчивости. Мы также обсуждаем, как эти подходы могут способствовать открытию биомаркеров и направлять разработку новых терапевтических стратегий. В целом, эти результаты предполагают, что интегрированная единоклеточная и пространственная транскриптомика имеет трансформирующий потенциал для развития прецизионной онкологии и улучшения результатов лечения пациентов с раком поджелудочной железы.

Панкреатический протоковый аденокарцином (PDAC) характеризуется значительной молекулярной и микросредовой неоднородностью, однако остается плохо понятным, как состояния опухолевой линии взаимодействуют с пространственной иммунной организацией при прогрессирующей болезни. В данном исследовании мы провели многослойное пространственное протеомное профилирование с использованием циклической иммунофлуоресценции тканей (t-CyCIF) на образцах 27 пациентов с прогрессирующим PDAC и интегрировали эти анализы с пространственным транскриптомным профилированием представительных опухолей. Опухоли были классифицированы на классические, гибридные, базальные и нулевые эпителиальные состояния на основе экспрессии GATA6 и CK5, что выявило различные иммунные архитектуры, ассоциированные с клиническим исходом. Классические и гибридные опухоли демонстрировали воспаленные микроокружения, обогащенные лимфоцитами, тогда как базальные и нулевые опухоли отличались иммунным исключением и ландшафтами, доминирующими макрофагами, характеризующимися увеличением M2 макрофагов. Пространственный транскриптомный анализ также выявил, что гибридные опухоли не являются однородными промежуточными состояниями, а вместо этого содержат пространственно сегрегированные участки Hybrid_Classical и Hybrid_Basal с различными транскрипционными программами, иммунными нишами и сетями клеточной коммуникации. Участки Hybrid_Basal были связаны с увеличением обогащения макрофагами M2 и предпочтительной активацией сигнального пути SPP1-CD44, что указывает на локализованные имMemo-эпителиальные взаимодействия в эпителиальной пластичности и переходах состояния линии. Чтобы количественно оценить пространственную организацию иммунной системы, мы разработали пространственный имунный балл, который фиксирует относительное положение циотоксических Т-клеток CD8 по отношению к вспомогательным Т-клеткам CD4 и макрофагам M2 CD163. Более высокие баллы были связаны с худшей выживаемостью и предоставили более сильную прогностическую информацию, чем традиционные метрики обилия иммунных клеток. Интеграция пространственного иммунного балла с экспрессией GATA6 достигла лучшей прогностической дискриминации (AUC = 0.822) по сравнению с любой отдельной характеристикой. В совокупности, данные показывают, что состояние линии опухоли и пространственная иммунная организация представляют собой дополнительные аспекты биологии PDAC, подчеркивая пространственные опухолево-иммунные взаимодействия в качестве определяющих факторов клинического исхода при прогрессирующем раке поджелудочной железы.

В данной статье представлен подход и применение оптимизации пространственной упаковки взаимосвязанных систем с физическими взаимодействиями (SPI2) в задачах размещения компонентов в трехмерном пространстве. Для обеспечения возможности применения в автомобильных условиях, SPI2 должен поддерживать как начальную генерацию проектирования, включая выравнивание компонентов, так и надежную координацию на уровне системы, требующую повышенной надежности решений и управляемых вычислительных затрат. Для решения этих задач предлагаемый метод улучшает скорость сходимости и качество решений путем повышения численной надежности в градиентной оптимизации при снижении вычислительной нагрузки. Существующие подходы SPI2 расширены за счет добавления возможностей выравнивания, что позволяет представлять выравнивания «порт-к-порту» между компонентами. Кроме того, применимость SPI2 расширяется за счет трактовки мест размещения компонентов как переменных проектирования, что позволяет применять координацию с использованием штрафов для обеспечения осуществимости проектирования и интеграции в оптимизацию на уровне системы. Подход валидируется с использованием многоцелевой оптимизационной структуры на основе алгоритма генетической сортировки без доминирования II (NSGA-II), применяемого к задаче оптимизации трансмиссии и интеграции шасси батареи. Это демонстрирует эффективность SPI2 в контексте проектирования на уровне системы. Результаты показывают двойное применение SPI2 в автомобильном случае: во-первых, как инструмент для начальной генерации проектирования, и во-вторых, как часть координатора проектирования на уровне системы, который превосходит дискритизированный исчерпывающий поиск при меньших вычислительных затратах.