STCF:クロスビュー融合に基づく空間トランスクリプトミクスのためのマルチビュークラスタリング

科学分野:

• ゲノミクスゲノミクスとは
• コンピュータ生物学 コンピュータ生物学
• バイオインフォマティックス

背景:

• 空間トランスクリプトミクス (ST) は,組織文脈内の遺伝子発現分析を可能にします.
• 現在のSTクラスタリング方法は,しばしば単一の遺伝子セット (HVGsまたはSVGs) に依存し,異なる変動レベルを持つ遺伝子から補完的な情報が欠けている可能性があります.
• 空間領域の識別のために高変性遺伝子 (HVGs) と低変性遺伝子 (LVGs) の両方を活用するための統一されたアプローチが必要です.

研究 の 目的:

• HVGとLVGの両方からの情報を統合する新しい空間トランスクリプトミクスクラスタリングフレームワーク,STCFを開発する.
• トランスクリプトミックデータにおける空間領域識別の解像度と精度を向上させる.
• 組織形態学の中で潜伏している空間的パターンを明らかにする能力を高めるために.

主な方法:

• 提案されたSTCFは,空間トランスクリプトミクスクラスタリングにおけるクロスビュー情報融合のための枠組みである.
• HVGとLVGを2つの異なる遺伝子発現の視点として利用した.
• 遺伝子の埋め込みアライメントと分離のバランスをとるために,逆スケールのコサイヌエラー損失 (R-SCE) を含むプラグ&プレイクロスビュー融合戦略を実装しました.
• 堅牢な表現学習を保証し,細粒子の構造の解像度のために空間的な一貫性を保ちました.

主要な成果:

• STCFは,3つのベンチマークデータセット (DLPFC,HBC,MBA) で優れたパフォーマンス,有効性,および転送性を実証しました.
• このフレームワークは,微細な空間構造を解決することに成功した.
• ケーススタディは,STCFの潜在的空間パターンを特定し,クラスタリングの精度を向上させる能力を確認しました.

結論:

• STCFは,多様な遺伝子発現プロファイルを効果的に統合することによって,空間トランスクリプトミクスクラスタリングのための強力な新しいアプローチを提供します.
• このフレームワークは,改善された空間領域識別を通じて,組織構造と細胞組織の理解を高めます.
• STCFは,空間トランスクリプトミックのデータを分析するための計算方法における重要な進歩を表しています.