SpaIM:スタイルの転送による単細胞空間トランスクリプトミクスの帰算

科学分野:

• ゲノミクス
• コンピュータ生物学
• バイオ情報学

背景:

• 空間転写学 (ST) は細胞の組織に関する洞察を提供しますが,遺伝子カバーと信号の希少性に関する制限に直面しています.
• 多様な単細胞RNAシーケンシング (scRNA-seq) データをSTと統合することは,包括的な分析に不可欠である.

研究 の 目的:

• 測定されていない遺伝子発現を予測することによってSTデータを強化するための SpaIM という計算フレームワークを開発する.
• scRNA-seqデータを活用して,STプロファイルの遺伝子カバーと精度を高める.

主な方法:

• SpaIMは,STとscRNA-seqデータを統合するためにスタイル転送学習アプローチを使用します.
• このモデルは,共有されたコンテンツと,効果的なデータ融合のためのモダリティー固有のスタイルを解き放つ.

主要な成果:

• SpaIMは,既存の12の方法と比較して,53の多様なデータセットで優れたパフォーマンスを示しました.
• このモデルは,リガンド受容体相互作用と空間領域識別を含む遺伝子カバー,発現精度,下流分析を大幅に改善しました.

結論:

• SpaIMは,STデータをscRNA-seq情報で豊かにするための堅牢で一般化可能な方法を提供します.
• SpaIMのオープンソースリリースは,空間生物学の研究におけるより広範なアクセシビリティと応用を促進します.