马格尼特:多视图图形自编码器,以细胞基因为重建细胞相互作用网络,从空间转录组学重建

科学领域:

• 计算生物学 计算生物学
• 基因组学就是基因组学.
• 系统生物学 系统生物学

背景情况:

• 从空间转录组学推断细胞与细胞之间的相互作用是很困难的,因为组织的复杂性.
• 当前的深度学习模型经常将外部细胞通信和内部基因调节分开.
• 这种分离限制了人们对细胞环境如何影响内部状态的理解.

研究的目的:

• 开发一个新的框架,MAGNET,用于重建细胞-细胞相互作用网络.
• 为了统一细胞间通信和内部基因活动的表现.
• 在空间转录学中提高细胞与细胞相互作用推断的准确性.

主要方法:

• 开发了MAGNET (具有细胞基因注意网络的多视图自编码器).
• 构建了多个代表细胞信息的生物图形.
• 集成了细胞基因注意模块,以将外部环境与内部基因活动联系起来.

主要成果:

• 在基准数据集 (seqFISH,MERFISH,STARMAP) 上,MAGNET 在重建细胞与细胞相互作用网络方面取得了卓越的性能.
• 在seqFISH数据集上获得了0.901的平均精度 (AP),比TENET的性能优于0.185.5.
• 细胞基因注意模块至关重要,其移除将AP从0.901降至0.521.

结论:

• 通过统一细胞环境和基因活动,MAGNET有效地重建细胞-细胞相互作用网络.
• 应用于乳腺癌数据,MAGNET识别了癌细胞的功能异质性,区分了免疫逃避和自主生长特征.
• MAGNET提供了一种强大的工具,用于剖析组织中复杂的细胞通信.