SpaGRA:图形增强方便了空间解析的转录组学域识别

科学领域:

• 计算生物学 计算生物学
• 基因组学就是基因组学.
• 生物信息学是一种生物信息学.

背景情况:

• 空间解析的转录学 (SRT) 能够进行组织空间结构的表征.
• 基于图形的几何深度学习被广泛用于空间域识别.
• 目前仅依赖空间距离的方法忽视了关键的基因表达相似性,限制了准确性.

研究的目的:

• 引入SpaGRA,一种用于在SRT数据中自动构建多关系图的新方法.
• 通过结合各种生物相互作用来提高空间域识别的准确性.
• 为解决空间转录学的几何对比学习中的采样偏差.

主要方法:

• SpaGRA利用空间距离作为先前知识,并使用多头图注意力网络 (GAT) 动态调整边缘重量.
• 它构建多种节点关系,并增强在几何对比学习中传递信息.
• 多视图关系用于生成负样本,减轻随机选择偏差.

主要成果:

• 在不同协议的多个数据集中,SpaGRA展示了优越的空间域识别性能.
• 对小鼠下丘脑的分析揭示了不同的功能区域.
• 在小鼠胚胎心脏发育中的关键基因的识别和Visium HD数据中癌症相关纤维细胞的可视化.

结论:

• SpaGRA有效地描述了各种SRT数据集中的空间结构.
• 该方法增强了对组织结构和生物相互作用的理解.
• 在转录学研究中,SpaGRA提供了一个强大的空间域识别方法.