SpaBatch:基于深度学习的交叉切片集成和空间转录学中的3D空间域识别

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:

• 空间转录学 (ST) 数据正在各种生物样本中迅速积累.
• 目前用于ST数据分析的方法主要集中在单片内的2D领域.
• 现有的方法不足以解决切片间的相关性和批量效应,限制了3D空间域识别的准确性.

研究的目的:

• 引入SpaBatch,这是一个用于多切片ST数据集成和分析的新框架.
• 为了实现准确的跨切片3D空间域识别.
• 为了有效地纠正ST数据中的批量效应.

主要方法:

• 开发SpaBatch框架,用于多切片ST数据集成.
• 将SpaBatch应用于8个不同的ST数据集 (人类皮质,小鼠大脑,胚胎,心脏,乳腺癌,下丘脑).
• 根据最先进的方法进行全面验证.

主要成果:

• 与现有的方法相比,SpaBatch在3D空间域识别方面表现出卓越的性能.
• 该框架有效地纠正不同数据集和平台的批量效应.
• SpaBatch成功地捕获了保存的组织架构和癌症亚结构.
• 利用有限的注释来预测未注释数据中的空间域.

结论:

• SpaBatch提供了一个强大的解决方案,用于多切片ST数据集成和3D空间域识别.
• 该框架增强了组织结构解释,并支持发育生物学研究.
• SpaBatch为分析复杂的空间奥米克数据提供了重大进展.