xSiGra:一个单细胞空间数据阐释的可解释模型
Aishwarya Budhkar1, Ziyang Tang2, Xiang Liu3
1Luddy School of Informatics, Computing, and Engineering, Indiana University Bloomington, 107 S Indiana Ave, Bloomington, IN 47405, United States.
Briefings in bioinformatics
|August 9, 2024
概括
一个新的AI模型xSiGra使用多式成像数据解读空间细胞类型. 它揭示了关键的基因和细胞相互作用,揭示了细胞活动受到其邻居的影响.
科学领域:
- 计算生物学 计算生物学
- 生物信息学是一种生物信息学.
- 人工智能在医学中的应用
背景情况:
- 空间成像技术提供高分辨率的单细胞数据,包括基因表达和空间位置.
- 了解复杂的细胞相互作用和识别不同的细胞类型对于生物学见解至关重要.
研究的目的:
- 介绍xSiGra,一个可解释的基于图形的AI模型,用于阐明空间细胞类型及其特征.
- 利用空间成像的多式联络数据来增强生物发现.
主要方法:
- 使用免疫组织学图像和基因表达数据构建空间细胞图.
- 采用混合图形变压器模型进行空间细胞类型划分.
- 整合一个梯度加权类激活映射变体用于可解释的特征识别.
主要成果:
- 与现有方法相比,xSiGra在各种空间成像数据集中表现出卓越的性能.
- 对肺瘤切片的分析揭示了细胞重要性得分,突出显示了邻近细胞对细胞活动的影响.
- 鉴定出可解释的基因揭示了内皮细胞和瘤细胞之间的相互作用,这表明了复杂的机制.
结论:
- xSiGra提供了一个强大的工具,用于分析复杂的空间奥米克数据.
- 该模型通过识别关键基因和细胞与细胞相互作用来促进更深入的生物学见解.
- 这种方法提高了我们对细胞异质性和微环境动态的理解.


