AugGCL：空間的トランスクリプトミクス解析のためのマルチモーダルグラフ学習による遺伝子および形態学的データの強化

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:

• 空間的トランスクリプトミクスは、生体組織における遺伝子発現の洞察を提供します。
• 正確な空間ドメインの再構築は、発現のスパース性、複雑な組織構造、および弱い信号のために困難です。
• クラスタリングと平滑化を使用する既存の方法は、境界およびスパース領域でのパフォーマンスが低下し、形態学を無視します。

研究 の 目的:

• AugGCL、拡張グラフ畳み込み学習フレームワークを導入すること。
• 空間的トランスクリプトミクスにおける空間構造のデコーディングと遺伝子発現の再構築を強化すること。
• 遺伝子と画像データを統合することにより、従来のパイプラインの制限に対処すること。

主な方法:

• AugGCLは、発現類似性と空間的近接性を統合する近傍情報集約メカニズムを採用しています。
• 境界の明瞭さを失うことなくスパース性に対処するために、重み付きグラフと拡張発現行列が構築されます。
• 2ストリーム重み付きグラフ畳み込みネットワークは、画像認識補助再構築を使用して、遺伝子特徴と画像由来の形態学的情報を共同でモデル化します。

主要な成果:

• AugGCLは、複数の指標でヒト前頭前野、乳がん、マウス胚のデータセットでベースライン法を上回ります。
• この手法は、さまざまなデータセットにわたって堅牢性と一般化能力を示します。
• 下流解析は、細胞アノテーション、機能的濃縮、およびメカニズム研究における信頼性を確認します。

結論:

• AugGCLは、空間的トランスクリプトミクスのアプリケーションを進歩させる、より明確な空間ドメインを生成します。
• このフレームワークは、弱い空間信号を効果的に強化し、境界をシャープにします。
• AugGCLは、空間的トランスクリプトミクスを使用した組織構造と疾患研究に大きく貢献します。