MuST: transformación de la estructura de modalidad múltiple para la transcriptómica espacial de una sola célula

Área de la Ciencia:

• La genómica
• La bioinformática
• Biología computacional

Sus antecedentes:

• La transcriptómica espacial (ST) ofrece datos multimodales (transcriptómicos, espaciales, morfológicos) para la investigación de la biología de los tejidos.
• El sesgo de modalidad en los datos ST surge de las contribuciones de modalidad inconsistentes, que favorecen a las modalidades dominantes en el análisis.
• El sesgo de la modalidad de mitigación es crucial para un análisis posterior preciso en los estudios de ST.

Objetivo del estudio:

• Introducir la transformación de la estructura de modalidad múltiple (MuST), una nueva metodología para abordar el sesgo de modalidad en los datos de ST.
• Para integrar eficazmente la información multimodal de los datos ST en un espacio latente unificado.
• Proporcionar una base sólida para diversas tareas analíticas posteriores en ST.

Principales métodos:

• MuST emplea una estrategia de descubrimiento de topología y una función de pérdida de fusión de topología.
• Aprende estructuras locales intrínsecas para resolver inconsistencias entre diferentes modalidades.
• Combina técnicas de aprendizaje profundo y basadas en la topología para la integración multimodal de datos.

Principales resultados:

• MuST integra efectivamente los datos ST multimodales en un espacio latente uniforme.
• Supera los métodos existentes para identificar y preservar las estructuras de los tejidos y los biomarcadores.
• Demuestra ventajas en la precisión y coordinación de las diferentes modalidades.

Conclusiones:

• MuST proporciona un conjunto de herramientas versátiles para analizar sistemas biológicos complejos utilizando datos ST.
• La metodología mitiga con éxito el sesgo de modalidad, mejorando el rendimiento de las tareas posteriores.
• Ofrece una base para el análisis avanzado de datos ST, mejorando los conocimientos biológicos.