使用STAMapper对单细胞空间转录组的高精度细胞类型映射和注释
Qunlun Shen1,2, Kangning Dong3,2, Shuqin Zhang4,5,6
1School of Mathematical Sciences, Fudan University, Shanghai, 200433, China.
Genome biology
|October 7, 2025
概括
一个新的图形神经网络STAMapper准确地将细胞类型标签从单细胞RNA测序转移到空间转录组学数据. 这种方法改善了细胞群边界注释,并在空间转录组学数据集中识别了未知的细胞类型.
科学领域:
- 计算生物学 计算生物学
- 生物信息学是一种生物信息学.
- 基因组学就是基因组学.
背景情况:
- 单细胞RNA测序 (scRNA-seq) 提供了高分辨率的基因表达数据.
- 单细胞空间转录学 (scST) 在组织环境中映射基因表达.
- 整合scRNA-seq和scST数据对于理解组织结构和细胞功能至关重要.
研究的目的:
- 开发一种用于将细胞类型标签从scRNA-seq转移到scST数据的计算方法.
- 为了提高scST数据集中单元类型注释的准确性.
- 为了在空间转录组学数据中发现新的细胞类型和亚型.
主要方法:
- 开发STAMapper,一个异质图形神经网络.
- 使用81个scST数据集和16个配对scRNA-seq数据集进行培训和验证.
- 与细胞类型转移的现有计算方法进行基准测试.
主要成果:
- 在 81 个 scST 数据集中,STAMapper 在 75 个数据集中实现了卓越的性能.
- 该方法表现出更高的准确性,特别是在细胞群边界.
- STAMapper成功地确定了以前未知的细胞类型,并提供了精确的亚型注释.
结论:
- STAMapper是scST数据中细胞类型注释的有效工具.
- 该方法改进了手工注释,并使更深入的生物学见解成为可能.
- 这种方法促进了多种单细胞基因组学数据集的整合.
