空间转录组学的创新超分辨率:利用组织学图像和空间基因表达的变压器模型

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:

• 空间转录学绘制组织微环境的地图,但由于平台的限制 (例如Visium),通常缺乏单细胞分辨率.
• 现有的方法可能需要昂贵的单细胞RNA测序 (scRNA-seq) 来进行高分辨率分析.

研究的目的:

• 引入TransformerST,这是一个无监督的模型,用于提高空间转录组分辨率到单细胞水平.
• 通过整合组织学图像和基因表达数据,实现成本效益高,高分辨率的空间转录学分析.

主要方法:

• 开发了基于变压器架构的无监督模型TransformerST.
• 采用基于视觉转换器的编码器用于图像-基因表达的共同表示.
• 综合空间相关性使用自适应图形变压器模块和超分辨率的交叉尺度图形网络.

主要成果:

• 转换器ST成功地将Visium数据提升到单细胞颗粒度.
• 该模型证明了跨各种空间转录组学平台的适应性.
• 经验评估证实了其在单细胞尺度上揭示组织结构的准确性.

结论:

• 变压器ST是空间转录组学的开创性工具,提供单细胞分辨率.
• 它最佳地整合了基因表达和组织学图像,增强了对组织结构功能关系的理解.
• 无监督,无引用的方法使高分辨率的空间转录学更容易获得.