图形对比学习的亚细胞分辨率空间转录学改进了细胞类型的注释,并揭示了关键的分子通路
Qiaolin Lu1, Jiayuan Ding2, Lingxiao Li3
1School of Artificial Intelligence, Jilin University, Qianjin Street 2699, 130010 Changchun, China.
Briefings in bioinformatics
|January 30, 2025
概括
焦点是一种新的半监督图对比学习方法,通过建模RNA亚细胞分布来增强基于成像的空间转录学 (iST) 中的细胞类型注释. 这种方法提高了准确性,并揭示了细胞特异性的基因调节模式.
科学领域:
- 分子生物学分子生物学
- 生物信息学是一种生物信息学.
- 基因组学就是基因组学.
背景情况:
- 基于成像的空间转录学 (iST) 以单分子分辨率量化空间中的基因表达,揭示亚细胞RNA分布.
- 亚细胞RNA局部化对于基因调节和细胞识别至关重要.
- 目前的iST细胞类型注释方法忽视了RNA的细胞内空间模式.
研究的目的:
- 介绍Focus,一个新的半监督图形对比学习方法用于iST.
- 为了明确模拟RNA的亚细胞分布和社区,以改善细胞类型的注释.
- 为了利用亚细胞空间基因模式来增强生物解释.
主要方法:
- 开发了Focus,一个半监督的图形对比学习框架.
- 应用专注于各种iST平台,包括MERFISH,CosMx SMI和Xenium.
- 集成的基因表达数据与亚细胞RNA空间分布信息.
主要成果:
- 与现有方法相比,Focus显著提高了细胞类型注释精度 (高达27.8%) 和F1得分 (高达51.9%).
- 该方法有效地捕获了复杂的,细胞类型特定的亚细胞空间基因表达模式.
- 焦点提供可解释的基因重要性得分,突出显示与细胞类型特定通路相关的基因.
结论:
- 焦点通过结合亚细胞RNA分布,代表了iST细胞类型注释的突破.
- 该方法增强了细胞特征,并提供了对独特的亚细胞调节机制的见解.
- 焦点有可能在各种生物系统中发现新的监管程序.
