通过整合多切片空间和单细胞转录组学来进行空间异质性的多尺度剖析

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:

• 细胞的空间组织至关重要,从大域到局部异质性各有不同.
• 目前的空间解析转录学 (SRT) 方法分别分析多切片域对齐或单切片细胞解卷.

研究的目的:

• 开发一种新的深度学习方法SMILE,用于SRT数据的综合多尺度分析.
• 在SRT中改进空间对齐,域识别和细胞类型解卷.

主要方法:

• 微笑采用一个图形对比的自动编码器和具有局部约束的多层感知器.
• 它学习了空间点的多尺度和信息表示.

主要成果:

• 在模拟和真实数据集上,SMILE在空间对齐,域识别和细胞类型解卷方面优于最先进的方法.
• 该方法有效地剖析了多个尺度上的空间变化,并揭示了疾病中改变的细胞微环境.
• 从一个切片上先前的域注释可以进一步提高SMILE的性能.

结论:

• SMILE提供了一个统一的框架,用于对SRT数据进行全面的多尺度分析.
• 这种方法增强了对健康和疾病中的细胞异质性和微环境的理解.