空间CTD:一个大规模的瘤微环境空间转录组数据集,用于评估免疫瘤学细胞类型解

科学领域:

• 基因组学就是基因组学.
• 计算生物学 计算生物学
• 免疫学 免疫学 免疫学

背景情况:

• 空间分辨率的转录形状分析提供了具有成本效益的多细胞分辨率.
• 细胞类型的解卷对于分析空间数据中的混合细胞群体至关重要.
• 现有的基准是有限的,通常是模拟的,以小鼠为基础的,不适合人类免疫瘤学.

研究的目的:

• 介绍 SpatialCTD,这是一个大规模的基准数据集,用于人类免疫瘤学空间转录体解卷.
• 开发和验证GNNDeconvolver,一种用于细胞类型解卷的新型图形神经网络方法.
• 提供一种可访问的工具,用于将多样化的空间转录数据转换为标准化的伪点.

主要方法:

• 使用来自人类瘤微环境 (肺,脏,肝脏) 的180万个细胞和12900个伪点构建空间CTD数据集.
• 开发GNNDeconvolver,一个利用位置感知参考数据的图形神经网络.
• 对最先进的解卷方法进行比较性绩效评估.

主要成果:

• 与单细胞RNA测序 (scRNA-seq) 衍生引用相比,空间CTD为解卷提供了更现实的引用.
• 在细胞类型解方面,GNNDeconvolver在现有方法中表现出优越的性能.
• 拟议的方法在不依赖scRNA-seq数据的情况下实现了高精度.

结论:

• 空间CTD和GNNDeconvolver为推进人类免疫瘤学中细胞类型解提供了一个强大的框架.
• 开发的工具有助于在各种平台上全面评估和分析空间转录组数据.
• 这项工作解决了当前基准数据集和解卷方法的关键局限性.