STCC通过空间转录学数据的共识聚类来增强空间域检测
Congcong Hu1, Nana Wei2,3, Jiyuan Yang1
1Center for Single-Cell Omics, School of Public Health, Shanghai Jiao Tong University School of Medicine, Shanghai 200025, China.
Genome research
|May 12, 2025
概括
空间转录学中的空间域检测对于生物学见解至关重要. 我们的STCC框架使用共识聚类来提高准确性和稳定性,通过整合多种分析工具,优于单个方法.
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:
- 空间解析的转录学产生复杂的数据,需要强大的分析.
- 空间域检测 (集群) 是生物学解释的一个基本步骤.
- 现有的空间域检测工具在数据集和平台上显示了可变的性能.
研究的目的:
- 开发一个新的共识集群框架 (STCC) 用于空间转录学数据.
- 通过汇总多种工具的结果来提高空间域检测的准确性和稳定性.
- 评估不同数据集上的共识聚类策略的性能.
主要方法:
- 开发了STCC,这是空间转录组学的共识集群框架.
- 集成的最先进的工具使用各种共识策略 (基于Onehot,基于平均值,基于超图,基于wNMF).
- 对来自不同实验平台的模拟和现实数据进行了全面评估.
主要成果:
- 与各种参数的个体方法相比,共识聚类显著提高了聚类准确性.
- 在整合多种方法时,STCC在具有多层结构的正常组织中表现出更好的结果.
- 对于具有分散模式的瘤样本,整合单一基线方法提供了令人满意的性能.
- 基于平均值和基于超图的共识策略显示出最佳的精度和稳定性.
结论:
- 在空间转录学中,STCC为空间域检测提供了一个可扩展和实用的解决方案.
- 共识聚类改善了从空间转录组学数据中获得生物学洞察力.
- 该框架为未来该领域的研究和应用提供了基础.
