通过使用GARDEN,从空间奥米克中对罕见的致病细胞群体进行强有力的表征和解释

科学领域:

• 计算生物学是一种计算生物学.
• 空间奥米克斯 空间奥米克斯
• 病理学 病理学 病理学

背景情况:

• 空间奥米克为分子数据提供组织背景.
• 当前的工具往往错过了对疾病至关重要的罕见细胞群.
• 识别这些罕见的细胞对于了解疾病机制至关重要.

研究的目的:

• 开发一个计算框架,花园,用于识别和特征罕见的病原细胞在空间奥米克数据.
• 改进疾病驱动细胞群的检测.
• 为了使组织解剖学的3D重建从空间奥米克数据.

主要方法:

• 花园利用一个空间意识的图形融合对比模型,并以图形为基础的动态注意力.
• 该框架旨在实现跨组织,物种和分辨率的一致性.
• 它包括一个解释模块,用于精确定位免疫特征,并扩展到空间染色体可访问性.

主要成果:

• 在阿尔茨海默病,鼻癌和乳腺癌模型中,GARDEN成功识别了致病细胞.
• 它在阿尔茨海默病中定位了特定的微质细胞群,并在鼻癌中确定了三级淋巴状结构.
• 该框架揭示了与乳腺癌前转移信号相关的炎症性巨细胞,并提供了对表观遗传调节的见解.

结论:

• 园林是一个强大的计算框架,用于发现空间空间的罕见致病细胞.
• 它增强了对疾病机制和细胞相互作用的理解.
• 该工具在诊断和治疗向方面具有广泛的应用,包括表观遗传见解.