DET aligne les cartes de transcriptomique spatiale

Des chercheurs de l'université de Kanazawa et de l'université Sapienza de Rome ont développé DET, un algorithme de recalage conçu pour faciliter la comparaison des cartes de transcriptomique spatiale. Publiés en 2026 dans IEEE Transactions on Pattern Analysis and Machine Intelligence, les travaux signés Osamu Hirose et Emanuele Rodolà répondent à un défi majeur de la biologie moléculaire : aligner avec précision des échantillons biologiques qui varient naturellement en forme et en orientation. La transcriptomique spatiale permet de cartographier l'activité de milliers de gènes à l'échelle cellulaire. Cependant, lors de la préparation des lames minces, les tissus subissent inévitablement des déformations, des rotations ou des étirements, rendant difficile la correspondance entre des régions équivalentes d'échantillons différents. Les méthodes de recalage traditionnelles compensent ces écarts en convertissant les données en images pixelisées, ce qui altère la résolution cellulaire, ou en s'appuyant uniquement sur la géométrie tissulaire, ignorant ainsi l'information génétique essentielle. DET surmonte ces limites en exploitant simultanément la position de chaque cellule et son profil d'expression génique, sans intermédiaire matriciel. Le procédé fonctionne de manière itérative et non supervisée, c'est-à-dire sans nécessiter d'entraînement préalable ni de correspondances manuelles. Il identifie d'abord les appariements probables entre les points des deux cartes en croisant distance spatiale et similarité transcriptionnelle. Il ajuste ensuite progressivement la position des cellules, en veillant à ce que les cellules voisines restent regroupées. Les valeurs génétiques servent de guide pour le recalage sans être modifiées, préservant ainsi l'intégrité des données brutes. Les tests empiriques ont validé l'efficacité de DET dans des conditions complexes. Sur quatre-vingt-dix jeux de données cérébraux de souris générés par la technique MERFISH, l'algorithme a surpassé ses concurrents en matière de superposition tissulaire, de conservation des voisinages cellulaires et de concordance des profils géniques, même lorsque les cartes avaient été artificiellement tournées et décalées de manière imprévisible. Le recalage a également été appliqué avec succès à des embryons de souris à deux stades de développement distincts, chacun comptant plus de cent mille points de mesure, démontrant la capacité de la méthode à gérer des évolutions morphologiques dynamiques. Au-delà de l'exactitude, DET se distingue par son évolutivité et son efficacité computationnelle. Lors de stress tests simulant des échantillons de un million de points par lame, l'algorithme a maintenu une consommation mémoire moyenne inférieure à un gigaoctet. Son architecture repose sur un sous-ensemble stratégique de points de référence pour calculer la transformation, puis étend le mouvement à l'ensemble du jeu de données. Le temps de calcul dépend principalement du nombre de ces repères plutôt que de la taille totale du fichier, assurant une bonne performance sur des machines standard. Les auteurs insistent sur le caractère complémentaire de leur approche. DET ne vise pas à remplacer les outils existants, mais à offrir une alternative lorsqu'un recalage fluide est indispensable sans sacrifier le détail cellulaire ou l'information moléculaire. Au-delà de la biologie, les chercheurs prévoient d'étendre cette logique à tout jeu de données scientifique associant une localisation spatiale ou tridimensionnelle à des mesures physiques ou biologiques, ouvrant la voie à des comparaisons inter-échantillons plus fiables en recherche médicale et en développement organique.