使用S2Omics设计智能空间奥米克实验
Musu Yuan1, Kaitian Jin1, Hanying Yan1
1Statistical Center for Single-Cell and Spatial Genomics, Department of Biostatistics, Epidemiology and Informatics, Perelman School of Medicine, University of Pennsylvania Philadelphia, PA, USA.
bioRxiv : the preprint server for biology
|September 26, 2025
概括
这项研究介绍了S2Omics,这是一个自动化工作流,从组织学图像中选择感兴趣的区域,以最大限度地利用空间奥米克中的分子信息. 这种方法提高了组织研究中的可复制性和生物发现.
科学领域:
- 生物医学研究的研究.
- 分子生物学分子生物学
- 生物信息学是一种生物信息学.
背景情况:
- 空间奥米克技术在原生组织架构中提供高分辨率的分子分析.
- 对于空间学来说,手动选择感兴趣的区域 (ROI) 是主观的,不一致的和不可重现的.
- 组织学图像与空间分子模式相关,这表明它们对于指导ROI选择的实用性.
研究的目的:
- 开发一个自动化工作流程,S2Omics,用于从组织学图像中选择ROI.
- 为了最大限度地提高所选ROI中的分子信息含量,用于空间奥米克实验.
- 增强空间奥米克驱动的生物发现的系统性,可重复性和具有影响力的性质.
主要方法:
- S2Omics工作流整合了组织学图像分析与空间奥米克数据.
- 该系统根据预测的分子信息内容自动识别和选择ROI.
- 这种方法在各种空间奥米克平台和组织类型中得到了验证.
主要成果:
- S2Omics能够实现自动化和客观的ROI选择,克服手工方法的局限性.
- 工作流在各种实验环境中显示出一致的性能.
- 使用S2Omics系统的ROI选择提高了下游生物分析的稳定性.
结论:
- S2Omics提供了一个强大的工具,用于优化空间奥米克的实验设计.
- 自动化投资回报率选择显著提高空间空间学研究的可复制性和发现潜力.
- 这种方法有助于利用空间奥米克数据进行更高效,更有影响力的生物医学研究.
