S3RL：分離可能な表現学習による空間単一細胞トランスクリプトミクスの強化

科学分野:

• ゲノミクス; 計算生物学; 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、組織分析のためのin situ遺伝子発現マッピングを提供します。; データ疎性と技術的ノイズは、複雑な微小環境に対する現在の空間トランスクリプトミクスの有用性を制限しています。

研究 の 目的:

• 分離可能な表現学習フレームワークであるS3RLを導入しました。; 生物学的洞察を深めるために、生の空間トランスクリプトミクスデータの忠実度を向上させました。

主な方法:

• 新規の分離可能な表現学習フレームワークであるS3RLを開発しました。; S3RLを適用して、空間トランスクリプトミクスデータにおける疎な測定値のノイズを除去し、生物学的シグナルを増幅しました。; ヒト、マウス、植物の組織全体でS3RLを検証しました。

主要な成果:

• S3RLは、空間ドメインの同定とマルチスライスアラインメントを大幅に改善しました（ARI改善率最大170%）。; 微細な空間発現パターンと調節関係を回復させました。; 新規のリガンド-受容体シグナル伝達と空間遺伝子発現勾配を明らかにしました。

結論:

• S3RLは、ノイズの多い空間トランスクリプトミクスデータセットから生物学的プログラムを抽出するための強力なツールです。; 組織生物学、細胞間相互作用、疾患メカニズムのより深い探求を可能にします。; 免疫腫瘍クロストークと植物の発達軌跡の理解を促進します。