SCALE:空間オミクスデータにおける教師なしマルチスケールドメイン同定

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:

• 単一細胞空間トランスクリプトミクスは、組織内の細胞状態をマッピングします。
• 生物学的システムは、マルチスケール機能ドメインを持つ階層的な組織を示します。
• これらのドメイン階層を計算論的に同定することは困難です。

研究 の 目的:

• SCALEは、空間トランスクリプトミクスにおけるマルチスケールドメイン同定のための教師なしアルゴリズムです。
• 様々な空間スケールでの階層的な機能ドメインの発見を可能にします。
• 複雑な組織構造を分析するための堅牢でスケーラブルなツールを提供します。

主な方法:

• SCALEは、深層学習ベースのグラフ表現学習を採用しています。
• エントロピーベースの探索アルゴリズムをスケール検出に統合しています。
• このアルゴリズムは、シミュレートされたおよび実世界の空間トランスクリプトミクスデータセットで検証されています。

主要な成果:

• SCALEは、多様な組織（マウスの脳、腎臓）にわたるマルチスケール機能ドメインを効果的に同定します。
• XeniumおよびMERFISHデータで堅牢性とスケーラビリティを実証しました。
• 最先端の方法と比較して最大191.1パーセントポイント上回りました。

結論:

• SCALEは、階層的な組織構造を明らかにするためのユーザーフレンドリーなツールです。
• 組織機能および細胞間相互作用に関するより深い洞察を促進します。
• 健康と疾患の両方の文脈における生物学的システムの研究を進歩させます。