stImage:通过可定制的深层组织学和位置信息集成优化空间转录组分析的多功能框架
Yu Wang1,2, Haichun Yang3, Ruining Deng4
1Department of Biostatistics, Vanderbilt University Medical Center, 2525 West End Avenue, Suite 1100, Nashville, TN 37232, United States.
Briefings in bioinformatics
|September 4, 2025
概括
空间转录组学 (ST) 分析通过stImage,一个整合基因表达,组织学和空间数据的R包来增强. 它提供了54个策略来改善组织结构的生物学洞察力.
科学领域:
- 基因组学
- 生物信息学
- 计算生物学
背景情况:
- 空间转录学 (ST) 将基因表达与组织空间结合起来.
- 目前的ST方法通常单独分析空间坐标或组织学.
- 现有方法在不同数据集中显示不一致的性能.
研究的目的:
- 推出一个开源的R包,用于全面的ST分析.
- 开发一个整合基因表达,组织学和空间坐标的统一框架.
- 为优化ST数据整合提供灵活的策略.
主要方法:
- 产生深度学习衍生的组织学特征.
- 在stImage包中实施54个整合性战略.
- 使用诊断图来指导策略选择.
主要成果:
- stImage有效地整合了转录资料,组织学图像和空间信息.
- 该套件在多个数据集中显示一致的性能.
- 诊断图可以帮助用户选择最佳的整合策略.
结论:
- stImage提供了一个全面而灵活的空间转录学分析解决方案.
- 通过协同利用多种数据类型来优化生物洞察力.
- 通过综合分析, stImage促进了组织结构的理解.
