CIPHER:一个端到端的框架,用于设计优化的聚合空间转录学实验

科学领域:

• 基因组学就是基因组学.
• 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:

• 空间转录学方法对于理解组织组织至关重要,但在测量个体基因时经常面临可扩展性限制.
• 像CISI,FISHnCHIP和ATLAS这样的新兴技术使用聚合的转录签名来提高吞吐量,但需要仔细的特征设计,以有效地与单细胞RNA测序 (scRNA-seq) 集成.
• 仅单独优化解码精度忽略了关键的实验约束,限制了总量测量策略的性能.

研究的目的:

• 开发一个计算框架,CIPHER (Cell Identity Projection using Hybridization Encoding Rules),可以共同优化总体转录签名的设计和下游细胞类型的嵌入.
• 将成像测试的物理限制直接整合到优化过程中,以最大限度地提高可辨别性和对噪声的稳定性.
• 为了实现系统的,scRNA-seq-aligned的特征设计,使用聚合测量进行可扩展的空间转录学.

主要方法:

• CIPHER采用神经网络框架,共同优化实验编码矩阵和细胞类型嵌入.
• 该框架将成像分析的物理约束纳入其损失函数中,塑造潜在空间以提高可辨别性和稳定性.
• 一个大规模的小鼠大脑scRNA-seq参考数据集被用于训练和验证模型.

主要成果:

• 与现有方法相比,CIPHER设计的编码导致了与现有方法相比增强的细胞类型分离能力的潜空间.
• 该框架显示了更统一的信号利用和更强的抵御混合变化的弹性.
• 在模拟和实验数据集中实现了更高的解码精度,验证了CIPHER的有效性.

结论:

• CIPHER提供了一个原则性的方法来设计可扩展空间转录学的总体转录签名.
• 解码精度和实验可测性的联合优化解决了聚合测量策略中的特征设计挑战.
• 在空间转录组学实验中,CIPHER 能够高效准确地重建细胞转录组.