基于图形的3维空间基因邻近网络,是凝和组织中的单细胞
Zhou Fang1,2, Kelsey Krusen1, Hannah Priest1
1Wallace H. Coulter Department of Biomedical Engineering, Georgia Institute of Technology and Emory University, Atlanta, GA, USA.
BME frontiers
|March 14, 2025
概括
我们开发了3D-spaGNN-E,3D-spaGNN-E是一种使用空间转录学和深度学习的新方法,通过分析3D基因近距离来揭示细胞-细胞通信. 这种方法在各种生物系统中识别了关键的细胞下通信动机.
科学领域:
- 计算生物学 计算生物学
- 基因组学就是基因组学.
- 细胞生物学 细胞生物学
背景情况:
- 与2D近似相比,3D空间转录学提供了增强的细胞上下文.
- 在3D空间转录学中数据复杂度的增加需要新的分析方法.
研究的目的:
- 开发3维空间解析的基因邻近网络嵌入 (3D-spaGNN-E) 用于分析亚细胞基因近距离.
- 为了确定细胞细胞通信 (CCC) 中的关键亚细胞动机.
主要方法:
- 3D-spaGNN-E检测3D样本中的单个转录,以确定基因近距离关系.
- 一个图形自编码器将基因近距离投射到潜在空间进行分析.
- 可解释性分析用于识别亚细胞CCC动机.
主要成果:
- 3D-spaGNN-E在MSC培养物中确定了同型和异型细胞边界的基因近距离变化.
- 该方法区分了MSC-PBMC共同培养中的免疫细胞抑制水平.
- 在小鼠大脑组织中的天体细胞-神经元CCC中确定了区域基因近距离差异.
结论:
- 3D-spaGNN-E有效地在细胞培养和组织环境中区分了不同的细胞-细胞通信.
- 亚细胞图案的分析为CCC机制提供了新的见解.
