统计批量意识嵌入式集成,维度缩小和空间转录组学对齐
Yanfang Li1, Shihua Zhang1,2,3
1NCMIS, CEMS, RCSDS, Academy of Mathematics and Systems Science, Chinese Academy of Sciences, Beijing 100190, China.
Bioinformatics (Oxford, England)
|October 14, 2024
概括
新的空间转录学模型STADIA有效地减少了批量效应,并在多个组织切片中识别空间域. 这种联合建模方法增强了生物模式的提取,并优于现有的综合分析方法.
科学领域:
- 单细胞生物学 单细胞生物学
- 计算生物学是一种计算生物学.
- 基因组学就是基因组学.
背景情况:
- 空间转录学 (ST) 通过将基因表达与空间位置相结合,提供了对细胞分子特征的洞察.
- 整合多个ST切片是具有挑战性的,因为每切片的生物变异有限,并且有显著的批量效应.
- 针对集成,缩小维度和下游任务的单独分析产生了低于最佳的结果,将技术工件与生物信号混为一谈.
研究的目的:
- 为空间转录组学数据集成开发一种联合建模方法.
- 为了同时减少批量效应,提取共同的生物模式,并在多个ST切片中识别空间域.
- 提高ST数据中技术工件和生物信号之间的相互作用的理解.
主要方法:
- 提出了STADIA,一个层次隐藏的马尔科夫随机场模型用于空间转录学数据.
- 实施了联合建模战略,整合了多切片集成,缩小维度和空间域识别.
- 在跨物种,器官和平台的五个不同的数据集上验证了STADIA (10x Visium,ST,Slice-seqV2).
主要成果:
- STADIA有效地减少了批量效应,并在多个ST片中识别了共同的生物模式和空间域.
- 该模型捕捉了保存的组织结构,同时保留了切片特定的生物信号.
- 在平衡批效应校正和空间域识别方面,STADIA的表现优于竞争方法 (PRECAST,fastMNN,Harmony,STAGATE,GraphST).
结论:
- 与单独的分析步骤相比,STADIA中的联合建模提供了更准确和更深刻的空间转录组学数据分析.
- STADIA提供了一个强大的框架,用于在多种ST数据集中的多切片集成和空间域发现.
- 开发的基于R的源代码是公开提供给研究界的.
