智能空间奥米克 (S2-omics) 优化了感兴趣的区域选择,以捕捉各种组织中的分子异质性
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.
Nature cell biology
|November 26, 2025
概括
智能空间奥米克 (S2-omics) 使用组织学图像自动选择空间奥米克的区域. 这种方法提高了生物医学研究中的数据质量和可重复性.
科学领域:
- 生物医学研究生物医学研究
- 分子生物学分子生物学
- 计算生物学 计算生物学
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,缺乏可重复性.
- 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:
- 开发一种自动化工作流程,用于在空间空间学实验中选择ROI.
- 在选定的ROI中最大限度地提高分子信息含量.
- 提高空间空间学研究的可复制性和影响性.
主要方法:
- 开发智能空间omics (S2-omics) 端到端的工作流程.
- 基于组织学图像分析的自动化ROI选择.
- 跨多个空间omics平台和组织类型的全面评估.
主要成果:
- 通过S2-omics,可以进行系统和可重复的ROI选择.
- 工作流程有效地最大化了所选ROI中的分子信息含量.
- 证明了下游生物发现的强化稳定性和影响.
结论:
- 使用S2-omics的自动化ROI选择改善了空间omics实验设计.
- 利用组织学图像来选择ROI可以提高数据质量和生物洞察力.
- "S2-omics"为空间奥米克研究提供了一种成本效益高效的方法.
