CEMUSA：空間トランスクリプトミクスにおけるクラスター評価のためのグラフベースの統合メトリック

科学分野:

• 空間トランスクリプトミクス
• バイオインフォマティクス
• 計算生物学

背景:

• 空間クラスタリングは、空間トランスクリプトミクス（ST）における生物学的表現型を理解するために重要です。
• 既存のSTクラスタリング評価メトリクスは、ラベルの一致または空間的組織化のみに焦点を当てており、偏った評価につながるという限界があります。
• 理想的なメトリクスは、ラベルの一致、空間的組織化、およびエラーの深刻度を統合する必要があります。

研究 の 目的:

• 空間トランスクリプトミクスにおける現在の評価メトリクスの限界に対処すること。
• 空間クラスタリングパフォーマンスを評価するための、新しく包括的なメトリクスを提案すること。

主な方法:

• 空間クラスタリングを評価するための新しいグラフベースのメトリクスであるCEMUSA を開発しました。
• ラベルの一致、空間的組織化、およびエラーの深刻度を統一されたフレームワークに統合しました。
• CEMUSA を R パッケージとして実装しました。

主要な成果:

• CEMUSAは、クラスター結果を区別する上で従来のメトリクスよりも優れた性能を発揮します。
• このメトリクスは、トポロジーとエラーの深刻度の微妙な違いを効果的に特定します。
• CEMUSAは、シミュレートされたおよび実際のSTデータセットで計算効率を維持します。

結論:

• CEMUSA は、ST における空間クラスタリングのより正確で包括的な評価を提供します。
• 提案されたメトリクスは、複数のパフォーマンス要因を考慮することにより、既存の方法の限界を克服します。
• CEMUSA は、空間トランスクリプトミクス研究コミュニティにとって貴重なツールです。