SURF: 空間トランスクリプトミクスにおける参照フリーデコンボリューションのための自己監督のディープラーニング方法

科学分野:

• ゲノミクス
• コンピュータ生物学
• 分子生物学

背景:

• 空間トランスクリプトミックは空間的に解明された遺伝子発現を提供しますが,スポットでの信号統合のために細胞レベルの分析に苦労します.
• 参照ベースの解凍方法は,しばしば必要なマッチングした単細胞データを欠いている.

研究 の 目的:

• 空間トランスクリプトミクスの限界を克服するために,参照のない解像度ツール,SURFを開発する.
• 細胞の組成と遺伝子の相互作用を 組織の微小環境で正確にモデル化する

主な方法:

• SURFは高次元の遺伝子データ分析と 自己監視のディープラーニングを統合しています
• 非線形遺伝子の相互作用をモデル化し,スポット間の空間的関係を活用しています.
• この方法は,合成データと実際の空間トランスクリプトミックのデータセットでベンチマークされた.

主要な成果:

• SURFは,既存のレファレンスフリーデコンボリューション方法を一貫して上回ります.
• 参照が利用できない場合,参照ベースの方法を上回る性能を達成します.
• SURFは,様々な解像度や種にわたる多様な組織微環境を正確に表現します.

結論:

• SURFは,空間トランスクリプトミクスの参照フリー解凍のための堅牢で正確なソリューションを提供します.
• このツールは組織の微小環境を正確にモデル化し,結腸直腸がんの転移における上皮からメゼンキマへの移行などの重要な生物学的メカニズムを特定します.