第二章 SPARK方法背景：经典空间可变基因检测方法回顾，SPARK的提出动机与核心创新点

好，咱们接着聊。上一章我大致讲了空间转录组学到底在干什么，你可能会想：“数据拿到手了，然后呢？怎么从中找到那些真正有空间表达模式的基因？”

没错，这就是咱们这一章的核心——空间可变基因（SVG）检测。

说白了，就是要在成千上万个基因里，揪出那些表达量不是随机分布、而是跟着空间位置走的那一批。它们才可能是决定组织区域功能的关键。

一、经典SVG检测方法回顾

在SPARK出现之前，大家是怎么干这活的呢？我记得我最早接触这类数据时，其实就两种主流思路：

1. 趋势检验（Trend-based）：假设基因表达沿着某个空间轴（比如从皮层表层到深层）线性上升或下降。
2. 方差检验（Variance-based）：检查基因在不同空间位置上的表达波动是否显著大于随机噪声。

举个例子，你可能会看到这种经典方法对比表：

方法类别	核心原理	典型代表	我遇到的坑
趋势检验	回归表达量 vs 空间坐标	线性模型+ANOVA	只能捡出单调变化的基因，很多空间热点发现不了
方差检验	按空间区域分组再比较方差	Levene检验、Bartlett检验	分组边界是人为定的，不同切法结果差异很大
空间自相关检验	计算空间邻域内的表达相关性	Moran's I、Geary's C	Moran's I我用了好几次才发现它对稀疏导出的离群点极度敏感

这里重点提一下 Moran's I。它是空间统计学的老牌指标，基本思路是：

但经典Moran's I有一个很大的局限性：它假设空间关系是线性且平稳的。你在真实组织切片里试试看？

嗯，很多基因的表达模式根本不是线性——你可能看到一个基因在某个特定区域形成一个小“热点”，周围一圈迅速衰减。这种模式，传统Moran's I基本检测不出来。

# 举个经典的Moran's I计算片段（R语言伪代码）
# 千万别直接跑这段，我只是示意
# 构建空间权重矩阵 W
W <- build_adjacency_matrix(coordinates, k_neighbors=6)
# 计算全局Moran's I
I <- (n / sum(W)) * ( t(z) %*% W %*% z ) / ( t(z) %*% z )

二、旧方法的痛点在哪里？

我做过大概五六个空间转录组项目，对经典方法的感受就一句话：用起来很顺手，但结果经常翻车。

翻车集中在三个地方：

• 数据稀疏性问题：空间转录组数据本质上是非常稀疏的——很多spot只捕获到几千甚至几百个UMI。经典模型假设数据服从正态分布，这根本对不上。
• 无法处理多样本整合：当你同时分析多张切片时，传统的检验方法只能一张一张跑，然后手动比P值。这种做法容易引入批次效应，而且没法做联合推断。
• 忽略局部空间结构：很多基因的表达模式是“局部的”——比如只在某个细胞带里高表达，范围只有几十微米。传统Moran's I全局指标很容易忽略这种细微特征。

三、SPARK的提出动机

2019年，复旦大学的团队（我猜你们可能也听说过这个工作）在Nature Communications上发表了SPARK。它的动机非常直接——上面那些问题能不能一次解决？

你想想看，一个理想的SVG检测方法应该做到：

1. 不需要假设表达数据服从正态分布。
2. 能够自适应地捕捉局部和全局的空间模式。
3. 可以并行处理成千上万个基因，不需要每张切片都手工调参。
4. 统计推断要稳健，对离群点和稀疏表达不敏感。

这才是SPARK登上舞台的背景。它不是凭空想出来的，而是被“逼”出来的——经典方法已经严重跟不上空间转录组数据的高通量、高稀疏度特性。

四、SPARK核心创新点

SPARK到底「新」在哪？我把它拆成三个核心创新，你记住这三点就抓住了精髓：

创新点	经典方法的问题	SPARK的解决办法
1. 基于广义线性模型（GLM）	假设数据正态，不适用于稀疏计数	直接对原始计数建模，使用泊松或负二项分布
2. 多核高斯过程	只用一个线性空间核，错过复杂模式	引入多组高斯过程核（线性、指数、周期等）组合建模
3. 置换检验+SCA校正	近似P值误差大、多重比较控制弱	用空间秩置换生成零分布，SCA控制FDR

这里有一个公式层面的对比，你可以直观感受一下SPARK和传统方法在建模思路上的区别：

# 传统Moran's I检验公式（简化）
I = (Z^T W Z) / (Z^T Z)
# 衡量的是Z在空间邻域W上的加权自相关

# SPARK基于GLM的建模思路（简化）
log(E[Y_i]) = β0 + sum( f_k(x_i, y_i) )
# f_k 是第k个高斯过程核函数（共K个）
# 然后通过统计检验H0: 所有空间核系数为零

看出来了吗？SPARK把空间模式这个问题从「一个相关性系数」扩展成了「一组基函数的组合」。这意味着它可以同时检测线性梯度、斑块状热点、周期性条纹——而传统方法一次只能试一种。

五、SPARK的不足和后续改进

不过我得说句公道话。SPARK也不是完美的——它计算量特别大，尤其在spot数量超过5000的时候。我当时跑一个万级spot的数据集，单是构建那套多核协方差矩阵就花了我快两个小时。

所以后来（2021年）他们又推出了SPARK-X——一个基于协方差快速近似的方法，速度提升了几十倍。这其实也符合一个优秀工具的演进逻辑：先做对，再做快。

六、本章知识结构图

下面这张SVG图可以帮你理清本章的核心脉络：经典方法的局限如何直接引出SPARK的创新思路。