使用Tessera精确地对空间单单元数据进行

科学领域:

• 计算生物学是一种计算生物学.
• 生物信息学是一种生物信息学.
• 空间转录组学 空间转录组学

背景情况:

• 单细胞空间转录组产生关于组织组织细胞的数据.
• 自动组织细分对于定义功能多细胞单元至关重要.
• 由于空间光滑,当前的方法往往会模糊组织区间之间的界限.

研究的目的:

• 开发一种新的算法,Tessera,用于准确的自动组织细分.
• 克服模糊隔间界限的现有方法的局限性.
• 创建一个用于分析空间转录组学和蛋白质组学数据的通用工具.

主要方法:

• 泰塞拉将组织分成小的多细胞.
• 它结合了边缘保护光滑,拓数据分析和形态意识的集群.
• 算法的边缘被设计为跟踪自然组织边界.

主要成果:

• 泰塞拉精确地识别了健康小鼠大脑和人类淋巴结中的已知解剖结构.
• 它揭示了人类大脑和肺癌中与疾病相关的新.
• 该算法产生具有精确边界的空间连贯结构.

结论:

• 特塞拉为组织细分提供了一种新且有效的方法.
• 它在各种空间奥米克技术中提供了组织隔间的准确划分.
• 该工具增强了对健康和患病组织细胞组织的分析.