TOGAR：高忠実度空間トランスクリプトミクスおよび堅牢な空間ドメインクラスタリングのためのトークンゲート付き生成的洗練

科学分野:

• 計算生物学
• ゲノミクス
• バイオインフォマティクス

背景:

• 空間トランスクリプトミクスは、組織内の遺伝子発現のマッピングを可能にします。
• データのスパース性とノイズは、正確な空間ドメインの区切りを妨げます。
• 既存の方法では、長距離依存性モデリングに苦労しています。

研究 の 目的:

• 空間トランスクリプトミクス用のトークンゲート付き生成的洗練モデルであるTOGARを提示すること。
• デノイズ、空間的洗練、クラスタリングを統合すること。
• 空間ドメインの区切りと生物学的解釈可能性を向上させること。

主な方法:

• グラフ畳み込みネットワーク損失とゼロ過剰負二項損失を組み合わせて、スパースカウントデータをデノイズします。
• トークンゲーティング、ゲート付き線形注意、ロータリー位置埋め込みを備えたUGateベースの拡散バックボーンを採用し、生成的な空間的洗練を実現します。
• 類似性ガイド付き平均化とクラスタリングを利用して、安定したスポットレベルの推定値とシャープなドメイン境界を作成します。

主要な成果:

• TOGARは、3つの空間トランスクリプトミクスプラットフォームと12の切片全体で、クラスタリング精度を達成または上回り、優れた安定性を示しました。
• 皮質層の構造を効果的に回復し、微細な腫瘍サブドメインを区切りました。
• 他の方法では見逃される小さなまれな空間構造の検出に優れ、境界の完全性を維持しました。

結論:

• TOGARは、空間トランスクリプトミクスデータ解析のための堅牢なソリューションを提供し、空間ドメインの区切りを改善します。
• このモデルは、より明確で生物学的に関連性の高いドメイン境界を生成することにより、生物学的解釈可能性を向上させます。
• TOGARのまれな構造を検出する能力は、重要な生物学的領域の発見を進歩させます。