SpaCross 解读空间结构,并纠正多切片空间解析的转录学中的批量效应

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:

• 空间解析转录学 (SRT) 将基因表达与组织分析的空间数据集成在一起.
• 当前的SRT域识别方法在无监督学习,潜伏空间监督和多切片集成一致性方面面临挑战.
• 平衡局部空间连续性和全球语义一致性仍然是一个关键障碍.

研究的目的:

• 引入SpaCross,这是一个深度学习框架,旨在增强空间模式识别和SRT的交叉切片一致性.
• 解决现有的无监督空间域识别方法的局限性.
• 为了实现强大的多切片集成和组织架构的准确重建.

主要方法:

• SpaCross使用交叉掩盖图形自编码器进行基因表达重建和空间关系保存.
• 一个交叉掩盖的隐藏一致性模块强制执行隐藏表示的隐藏约束,以提高稳定性.
• 一个自适应的空间语义图形结构动态地整合了本地和全球的上下文信息,用于多切片分析.

主要成果:

• 在单片SRT数据集上,SpaCross的性能超过了13种最先进的方法.
• 在多切片集成中展示了强大的批量效应校正和生物意义上的空间架构的保存.
• 成功整合胚胎小鼠组织跨发育阶段,识别保存和阶段特定的结构,如背部根结节.

结论:

• 在SRT中,SpaCross提供了一个全面的框架来进行先进的空间域识别.
• 该方法有效地重建发育轨迹,并确定心脏成熟中的关键转录过渡.
• SpaCross利用多切片SRT数据推进了组织架构和发育过程的分析.