stMMR:通过空间分辨率的转录学与多式特征表示的多式特征表现来准确和强大的空间域识别

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) 对于理解组织架构至关重要.
• 由于数据异质性和分辨率差异,分析多式联运SRT数据具有挑战性.

研究的目的:

• 介绍stMMR,一种新的多式几何深度学习方法.
• 通过整合各种信息,准确地从多式联运SRT数据中识别空间域.

主要方法:

• 利用图形卷积网络和用于特征嵌入的自我注意模块.
• 采用相似性对比性学习来整合多式联运特征.
• 开发了一种多式几何深度学习方法 (stMMR).

主要成果:

• stMMR在空间域识别,伪空间时间分析和在各种数据集中发现基因方面表现出卓越的表现.
• 在心脏发育过程中精确重建了时空谱系结构.
• 清晰地界定了瘤微环境,并确定了乳腺和肺癌的诊断/预后标记基因.

结论:

• stMMR有效地集成多式联络SRT数据来表征组织架构.
• 该方法适用于各种生物环境,包括平衡,发育和瘤.
• stMMR为组织组织和疾病机制提供了宝贵的见解.