解读单细胞分辨率的细胞-细胞通信,用于空间转录组学与基于子图的图表注意力网络

科学领域:

• 计算生物学 计算生物学
• 基因组学就是基因组学.
• 系统生物学 系统生物学

背景情况:

• 了解细胞-细胞通信 (CCC) 对于破译复杂的细胞动态和调节网络至关重要.
• 在单细胞分辨率下准确推断空间CCC是一个重要的计算挑战.

研究的目的:

• 开发一种通用的计算方法,以单细胞分辨率推断空间CCC.
• 整合单细胞RNA测序 (scRNA-seq) 和空间转录组学 (ST) 数据以进行增强的CCC分析.

主要方法:

• 介绍了DeepTalk,这是一种使用图表注意网络 (GAT) 进行数据集成的新方法.
• 使用GAT用于在单细胞ST数据中准确的细胞类型识别和基于点位的ST数据的解卷.
• 采用基于子图的GAT来捕获多层次的蜂连接,用于空间解析的CCC推断.

主要成果:

• DeepTalk在多种数据集中识别有意义的空间CCC方面表现出色.
• 该方法在剖析复杂生物过程中的细胞相互作用方面取得了卓越的准确性.
• 跨平台验证证实了DeepTalk的稳定性和通用性.

结论:

• DeepTalk为单细胞分辨率空间CCC推理提供了一种强大而通用的方法.
• 通过GAT集成scRNA-seq和ST数据显著推进空间互动组学领域.
• DeepTalk促进了对细胞行为和生物系统组织的更深入的理解.