无监督和监督发现来自细胞表型的组织细胞社区
Yuxuan Hu1, Jiazhen Rong2, Yafei Xu3
1School of Computer Science and Technology, Xidian University, Xi'an, China. huyuxuan@xidian.edu.cn.
Nature methods
|January 9, 2024
概括
CytoCommunity算法使用细胞表型和空间数据识别组织细胞社区 (TCN). 这种方法在高风险癌症中揭示了新的TCN,改善了对细胞组织和通信的理解.
科学领域:
- 计算生物学是一种计算生物学.
- 空间转录组学 空间转录组学
- 一个单细胞分析.
背景情况:
- 了解组织组织和细胞社区对于组织功能至关重要.
- 目前用于识别组织细胞社区 (TCN) 的现有方法存在局限性.
研究的目的:
- 引入CytoCommunity算法,用于重新识别TCN.
- 为了使特定条件和预测性TCN发现使用空间奥米克数据.
主要方法:
- 赛托社区使用图形神经网络模型直接将细胞表型映射到TCN.
- 该算法使用图形聚合来识别可变大小的TCN.
- 它支持对空间空间数据的无监督和监督分析.
主要成果:
- 与现有的方法相比,CytoCommunity显著改善了TCN识别.
- 该算法在高风险结直肠和乳腺癌中识别了新的颗粒细胞丰富和与癌症相关的纤维细胞丰富的TCN.
- 揭示了TCN内部和之间的瘤细胞,免疫细胞和树皮细胞之间的改变相互作用.
结论:
- CytoCommunity提供了一个强大的工具,用于分析空间omics地图.
- 该算法有助于在空间尺度上发现特定条件的细胞-细胞通信模式.
- 这一进步有助于理解组织组织及其在疾病中的作用.


