塞格:基于成像的空间转录学数据的快速和准确的细胞细分

科学领域:

• 空间转录组学 空间转录组学
• 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.

背景情况:

• 对细胞进行准确的转录分配对于基于成像的空间转录学至关重要.
• 现有的细胞细分方法存在不准确性,需要人工干预和可扩展性问题.

研究的目的:

• 介绍segger,一个新的图形神经网络,用于空间转录学中准确的转录到细胞赋值.
• 为了克服当前细胞细分技术的局限性.

主要方法:

• 开发了segger,一个使用转录和细胞异质图形表示的图形神经网络.
• 框架细胞细分作为一个转录到细胞链接预测任务.
• 集成的单细胞RNA-seq数据用于增强的转录分配.

主要成果:

• 塞格在Xenium数据集基准上表现出更高的灵敏度和特异性.
• 与现有方法相比,在准确度方面取得了显著的改进.
• 需要的数量级减去计算时间.

结论:

• 塞格提供了一个高度灵敏,特定和计算高效的解决方案,用于转录分配.
• 这种开源的,用户友好的软件有助于整合到现有的工作流程中,并实现了亚特拉斯规模的空间转录学.
• 解决了空间转录组学分析中的一个关键瓶.