使用深度生成模型与SpatialScope集成空间和单细胞转录组学数据.
Xiaomeng Wan1, Jiashun Xiao2, Sindy Sing Ting Tam3
1Department of Mathematics, The Hong Kong University of Science and Technology, Hong Kong SAR, China.
Nature communications
|November 29, 2023
概括
SpatialScope 增强了空间转录组学 (ST) 数据,以实现单细胞分辨率和转录组范围的分析. 这种统一的方法整合了基于测序和基于图像的ST数据,以获得更深入的生物学见解.
科学领域:
- 基因组学就是基因组学.
- 计算生物学 计算生物学
- 生物信息学是一种生物信息学.
背景情况:
- 空间转录学 (ST) 技术正在推动组织生物学理解.
- 目前的ST方法在细胞分辨率或转录组全方位分析方面存在局限性.
研究的目的:
- 介绍SpatialScope,一个统一的深度生成模型方法用于ST数据分析.
- 为了增强基于seq的ST数据以单细胞分辨率,并推断基于图像的ST数据的转录组范围的表达.
主要方法:
- 单细胞RNA测序 (scRNA-seq) 参考数据与ST数据的整合.
- 应用深度生成模型用于数据增强和推理.
- 通过模拟研究和现实世界基于seq和基于图像的ST数据进行验证.
主要成果:
- 空间镜成功地将基于seq的ST数据增强到单细胞分辨率.
- SpatialScope准确地推断出基于图像的ST数据的转录组范围的表达水平.
- 在空间表征,细胞通信分析和识别空间上不同的基因表达的实用性.
结论:
- 空间望远镜提供了一个统一的解决方案,以克服当前ST技术的局限性.
- 提供全转录组,单细胞分辨率的组织空间特征.
- 促进生物发现的先进下游分析.
更多相关视频
11:36Author Spotlight: An Integrated Workflow to Study the Promoter-Centric Spatio-Temporal Genome Architecture in Scarce Cell Populations
Published on: April 21, 2023
2.1K
06:24Multiplexed Analysis of Retinal Gene Expression and Chromatin Accessibility Using scRNA-Seq and scATAC-Seq
Published on: March 12, 2021
3.6K
