超图驱动的空间多式融合用于精确的域划分和瘤微环境解码

科学领域:

• 在瘤学瘤学.
• 计算生物学 计算生物学
• 生物信息学是一种生物信息学.

背景情况:

• 空间转录学提供了对瘤微环境复杂性的洞察.
• 准确的空间域划分至关重要,但对现有方法来说具有挑战性.
• 当前的技术与单一视图数据和复杂的现场关系作斗争.

研究的目的:

• 开发一种新的工具,HAST,用于精确的空间域划分和瘤微环境解码.
• 通过整合多模式空间数据来克服现有方法的局限性.
• 增强对瘤内的空间异质性和细胞相互作用的理解.

主要方法:

• 哈斯特利用超图驱动的方法来融合基因表达,空间坐标和组织学特征.
• 它构建局部超图,模拟多对多的空间关系,聚合成一个全球超图.
• 一个具有自我监督的对比学习的超图卷积网络学习了融合的表示.

主要成果:

• HAST准确地划分空间域,并在多个数据集中识别域相关基因.
• 绩效基准表明,HAST的表现优于最先进的方法.
• 功能丰富分析揭示了生物学相关的途径和新的瘤微环境见解.

结论:

• HAST提供了一个强大的框架,用于使用多式联络数据来解码瘤的空间复杂性.
• 该工具可以在癌症研究中进行精确的空间奥米克分析.
• 快速推进了瘤微环境和细胞相互作用的研究.