揭示微小的空间结构和放大基因表达信号在超大ST切片与HERGAST
Yuqiao Gong1, Xin Yuan2,3,4, Qiong Jiao5
1Department of Bioinformatics and Biostatistics, School of Life Sciences and Biotechnology, Shanghai Jiao Tong University, Shanghai, China.
Nature communications
|April 28, 2025
概括
HERGAST可以识别空间结构,并在大型空间转录数据中放大信号. 这种新的系统通过整合本地和全球空间关系来提高准确性,优于现有的方法.
科学领域:
- 计算生物学 计算生物学
- 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:
- 空间转录学 (ST) 数据分析由于其超大规模和高分辨率而存在挑战.
- 当前的方法在分析大型数据集时,可能会遇到过度平滑的问题.
研究的目的:
- 开发一个新的系统,HERGAST,用于空间结构识别和信号放大超大规模,超高分辨率的ST数据.
- 解决当前计算方法在处理大规模ST数据分析方面的局限性.
主要方法:
- 为ST数据分析设计了一个Divide-Iterate-Conquer框架,可以适应其他计算方法.
- 构建了一个异质的图形网络,以整合本地和全球的空间关系,减轻过度平滑的问题.
主要成果:
- 与其他方法相比,HERGAST在模拟中表现出卓越的表现,平均调整后兰德指数 (ARI) 增加了10%以上.
- 在现实数据集中,HERGAST准确地识别了结直肠瘤中的SPP1+巨,并揭示了乳腺癌中独特的空间基因表达模式.
结论:
- HERGAST提供了一个强大的解决方案来分析超大规模的ST数据,改善空间结构识别和信号放大.
- 分割-代-征服框架和异质图形网络方法为ST数据分析提供了可扩展和有效的策略.
