SURF: un método de aprendizaje profundo auto-supervisado para la desconvolución libre de referencia en la...

Área de la Ciencia:

• La genómica
• Biología computacional
• Biología molecular

Sus antecedentes:

• La transcriptómica espacial ofrece una expresión génica resuelta espacialmente, pero lucha con el análisis a nivel celular debido a la consolidación de la señal en los puntos.
• Los métodos de desconvolución basados en referencias a menudo carecen de los datos de una sola célula correspondientes necesarios.

Objetivo del estudio:

• Desarrollar una herramienta de desconvolución sin referencia, SURF, para superar las limitaciones de la transcriptómica espacial.
• Para modelar con precisión la composición celular y las interacciones genéticas dentro de los microambientes de los tejidos.

Principales métodos:

• SURF integra el análisis de datos genéticos de alta dimensión con el aprendizaje profundo auto-supervisado.
• Modela las interacciones genéticas no lineales y aprovecha las relaciones espaciales entre puntos.
• El método se comparó con conjuntos de datos transcriptómicos espaciales sintéticos y del mundo real.

Principales resultados:

• El SURF supera constantemente los métodos de desconvolución sin referencia existentes.
• Se obtiene un rendimiento superior al de los métodos basados en referencias cuando no están disponibles.
• SURF representa con precisión diversos microambientes de tejidos en varias resoluciones y especies.

Conclusiones:

• SURF proporciona una solución robusta y precisa para la deconvolución libre de referencia en la transcriptómica espacial.
• La herramienta modela con precisión los microambientes de los tejidos e identifica mecanismos biológicos críticos, como la transición epitelial a mesenquimal en la metástasis del cáncer colorrectal.