SCALE: identificación no supervisada de dominios multiescala en datos ómicos espaciales

Área de la Ciencia:

• Biología computacional
• Genómica
• Bioinformática

Sus antecedentes:

• La transcriptómica espacial de células únicas mapea los estados celulares dentro de los tejidos.
• Los sistemas biológicos exhiben una organización jerárquica con dominios funcionales multiescala.
• La identificación computacional de estas jerarquías de dominios es un desafío.

Objetivo del estudio:

• Presentar SCALE, un algoritmo no supervisado para la identificación de dominios multiescala en transcriptómica espacial.
• Permitir el descubrimiento de dominios funcionales jerárquicos en diversas escalas espaciales.
• Proporcionar una herramienta robusta y escalable para analizar arquitecturas tisulares complejas.

Principales métodos:

• SCALE emplea aprendizaje de representación de grafos basado en aprendizaje profundo.
• Se integra un algoritmo de búsqueda basado en entropía para la detección de escalas.
• El algoritmo se valida en conjuntos de datos de transcriptómica espacial simulados y del mundo real.

Principales resultados:

• SCALE identifica eficazmente dominios funcionales multiescala en diversos tejidos (cerebro murino, riñón).
• Demostró robustez y escalabilidad en datos Xenium y MERFISH.
• Superó a los métodos de última generación hasta en 191,1 puntos porcentuales.

Conclusiones:

• SCALE es una herramienta fácil de usar para descubrir la organización tisular jerárquica.
• Facilita una comprensión más profunda de la función tisular y las interacciones celulares.
• Avanza el estudio de los sistemas biológicos tanto en contextos de salud como de enfermedad.