INSPIRE:来自不同来源的多个空间转录学数据集的可解释,灵活和空间意识的集成
Jia Zhao1, Xiangyu Zhang1, Gefei Wang1
1Department of Biostatistics, School of Public Health, Yale University, New Haven, CT, USA.
bioRxiv : the preprint server for biology
|October 10, 2024
概括
INSPIRE集成了各种空间转录组数据集,使用深度学习来增强生物洞察力. 这种方法揭示了多种技术和规模的组织结构,细胞类型和发育过程.
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:
- 空间转录学技术产生各种数据集,用于探索组织组织和功能.
- 整合来自不同样本,技术和发展阶段的数据是一个重大挑战.
研究的目的:
- 介绍INSPIRE,一种深度学习方法,用于对多个空间转录学数据集的整合分析.
- 实现来自不同来源的数据的空间知情和适应性整合.
主要方法:
- INSPIRE利用图形神经网络和对抗式学习进行数据集成.
- 非负矩阵因子化被纳入,以发现可解释的空间因子和基因程序.
- 该方法适用于各种数据集,包括人类皮质,小鼠大脑和胚胎发育图谱.
主要成果:
- INSPIRE有效地整合了来自不同分析技术的数据,借鉴了不同来源的信息.
- 该方法识别了详细的生物信号,揭示了组织结构,细胞类型分布和生物过程.
- INSPIRE在阐明胚胎发育过程中的动态变化方面表现出卓越的表现.
结论:
- INSPIRE提供了一种强大而通用的工具,用于空间转录学数据的综合分析.
- 该方法可从多个切片中构建3D组织和生物模型.
- INSPIRE促进了对组织组织,细胞功能和发育动态的理解.
