跨异质空间样本的细胞状态的多尺度和多背景可解释映射
Patrick C N Martin1, Wenqi Wang2, Hyobin Kim1
1Department of Computational Biomedicine, Cedars-Sinai Medical Center, Hollywood, CA, USA.
Nature communications
|August 21, 2025
概括
我们使用线性赋值问题 (LAP) 开发了一种新的细胞映射策略,用于比较空间数据,在不同数据集中超越现有的准确细胞分析方法.
科学领域:
- 计算生物学
- 生物信息学
- 空间奥米克
背景情况:
- 越来越需要方法来对齐和比较无视觉线索的空间数据.
- 现有的方法难以捕捉复杂的细胞空间环境.
- 在跨样本和跨技术的比较中,空间数据带来了挑战.
研究的目的:
- 开发一个可解释的细胞映射策略来比较空间生物数据.
- 在各种数据集和条件中准确地绘制细胞和它们的位置.
- 能够对异质空间数据进行系统性比较和分析.
主要方法:
- 通过解决线性分配问题 (LAP) 开发了细胞映射策略.
- 成本计算整合了单个细胞及其周围的信息.
- 实现允许灵活和可解释的空间数据映射.
主要成果:
- 拟议的方法在捕捉细胞空间环境方面优于现有的方法.
- 通过各种样本,技术和分辨率实现精确的细胞映射.
- 在发育过程中证明了时空细胞脱,并通过实地质细胞检测 (IMC) 数据确定了患者特异的亚群.
结论:
- 可解释的细胞映射策略为空间数据分析提供了强大的框架.
- 方便对异质空间数据进行准确的比较.
- 为研究人员提供灵活的工具,使空间数据分析适应特定的生物环境.
更多相关视频
08:59Morphology-Based Distinction Between Healthy and Pathological Cells Utilizing Fourier Transforms and Self-Organizing Maps
Published on: October 28, 2018
7.2K
09:56Mapping the Emergent Spatial Organization of Mammalian Cells using Micropatterns and Quantitative Imaging
Published on: April 30, 2019
6.7K
