否定空间解析的转录组学,以异质空间坐标,转录和形态学的一致性
Haiyue Wang1,2, Peng Gao3,4, Shaoqing Feng5
1School of Computer Science and Technology, Xidian University, No. 2 South Taibai Road, 710071 Xi'an, Shaanxi, China.
Briefings in bioinformatics
|October 4, 2025
概括
空间转录学 (MvDST) 的一个新的多视图解读框架有效地减少了空间转录学数据中的技术噪声. 这种方法准确地划分了组织子组,并揭示了癌症中的瘤内异质性.
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:
- 空间解析的转录学 (SRT) 能够同时从完整的组织中捕获空间,病理和转录数据.
- SRT数据经常包含实验过程中的大量技术噪音,阻碍下游分析.
- 现有的方法很难有效地揭露和准确地解释SRT的复杂组织架构.
研究的目的:
- 引入一个新的计算框架,空间转录学多视图解读框架 (MvDST),以解决SRT数据中的噪声问题.
- 开发一种方法,共同重建表达形状,否认特征,并强制执行交叉视图的一致性.
- 提高组织子组划分的准确性,并从SRT识别生物见解.
主要方法:
- 在MvDST框架内集成深度自动编码器与自我监督学习.
- 共同重建表达形状和特征消音.
- 强制执行交叉视图的一致性,以减少技术噪音和生物异质性.
主要成果:
- 在各种干扰下,MvDST可靠地在模拟数据集中划分组织子组.
- 在真实癌症数据集中,MvDST成功地区分了与瘤相关的域,并确定了特定区域的标记基因.
- 该框架揭示了瘤内异质性,并证明了在多个SRT平台 (10x Visium,STARmap,osmFISH) 上的稳定性.
结论:
- MvDST有效地减少了空间解析的转录学数据中的技术噪音和异质性.
- 该框架提供了组织子组的准确划分和关键生物特征的识别.
- MvDST是对各种空间转录学数据集的强大分析的关键初步步骤.
