STASCAN:基于深度学习的空间转录组学精细细胞分布解码工具
关键词: #健康资讯
关键词: #健康资讯
细胞在组织和器官中的空间分布和其功能密切相关。随着科学技术的进步,新兴的空间转录组学技术逐渐成为了解码细胞空间结构和生物学功能的重要工具。通过该技术,可以在组织切片中捕获转录信息,从而分析不同细胞类型在空间上的分布,为研究基因表达谱及组织的空间结构奠定基础。然而,目前的空间转录组学计算方法仍存在一些局限,例如仅限于对混合细胞类型的捕获域进行注释,未能有效填补未测量区域的细胞信息。此外,现有方法大多依赖基因表达数据,未结合组织学图像信息,这对提高细胞类型注释的精确性造成了一定阻碍。
近期,中国科学院北京基因组研究所(国家生物信息中心)杨运桂团队与数学与系统科学研究院张世华团队合作,开发出了一种新的空间转录组学工具——STASCAN。该工具整合深度学习算法,结合基因表达数据和组织学图像,能够对细胞类型进行高精度注释并实现未测量区域的细胞类型预测,为解析细胞精细分布、特异组织结构和生物学功能提供了全新方法。相关研究成果已发表在《基因组生物学》(Genome Biology)期刊上。
STASCAN的工作原理与创新性
STASCAN基于深度学习模型,能够整合空间转录组基因表达信息和组织学图像,从而进行组织切片中未测量区域的细胞类型预测,以及测量区域内细胞类型的细分注释。这种深度学习的应用不仅使STASCAN可以在原始分辨率下对细胞类型进行高精度注释,还可以提高细胞空间分辨率,从而揭示在低分辨率下无法观察到的精细组织结构。此外,STASCAN通过利用相邻切片的组织学图像生成细胞分布图,能够构建更精确的三维细胞图谱,在节约实验成本的同时增强了分析效果。
STASCAN在多个测试数据集中展现出显著的优势。研究团队在公共涡虫空间数据集上进行的基准测试中发现,STASCAN在精确细胞类型注释方面表现优于其他算法,能够从组织图像中直接预测细胞类型。这一特性使得STASCAN可以通过组织切片的图像信息预测细胞分布,为精细解码组织结构提供了新的技术手段。
多功能模块助力多维分析
STASCAN拥有三个功能模块,使其在不同生物组织中展现出独特的适应性和分析能力。首先,它能够识别原始分辨率下无法检测到的细微组织结构,揭示出细胞在不同微环境中的小生境分布情况。其次,STASCAN能够区分出细胞混合物的组成成分及其在亚分辨率下的空间定位,从而更细致地展示了细胞的精细分布模式。此外,通过邻近染色图像,STASCAN可以构建超原始分辨率6倍的精细三维细胞分布图谱,为复杂组织结构提供了更精细的细胞分布图。
STASCAN不仅适用于涡虫数据集,在多个跨物种的公共数据集上均展现出卓越性能。例如,在人类肠道数据集中,STASCAN能够准确定位肠道组织中不同细胞层的边界;在人类肺部数据集中,该工具实现了对微米级精细结构的特异性识别;在人类心肌组织中,STASCAN能够预测测序缺失区域的潜在细胞分布情况,并重构心肌梗死组织的空间结构变化;在小鼠胚胎脑数据集中,STASCAN解码了脑部细胞的空间分布图,复刻了小鼠脑发育过程中的组织结构。这些不同组织数据集的应用表明,STASCAN在空间转录组数据的跨物种分析中具有良好的通用性和适应性。
STASCAN的应用前景与研究意义
STASCAN的开发为空间转录组学研究提供了一种有效的分析工具,使研究人员能够在细胞空间分布和特异性组织结构分析中获得更精确的注释结果。该工具的高分辨率细胞分布图不仅有助于科学家们更清晰地观察细胞在组织中的位置和分布情况,还可以用于解码复杂生物结构的空间关系,从而加深对组织内部细胞互动和生物学功能的理解。STASCAN通过结合空间基因表达数据与组织学图像,在预测细胞类型的同时减少实验数据采集成本,这对高效地构建三维细胞图谱具有重要意义。
随着空间转录组技术的不断发展以及大规模数据的积累,STASCAN具备进一步扩展的潜力。未来,该工具有望应用于更广泛的生物组织和疾病模型中,为跨物种的空间转录组学研究提供技术支持。同时,STASCAN的开发也为精准医学提供了可能,帮助研究人员通过精细解码组织结构、分析细胞异质性,从而揭示疾病的分子机制,为治疗和诊断提供参考依据。
总结
STASCAN作为一种基于深度学习的创新性工具,为空间转录组学数据提供了高分辨率、低成本的解码方法,在多物种、跨组织的分析中表现优异。通过集成空间基因表达信息和组织学图像,STASCAN能够揭示细胞的空间精细分布,为探索发育生物学和疾病病理学提供了全新视角。随着该工具的推广应用,STASCAN将对未来的生物医学研究产生深远影响,为解码细胞空间分布、解析组织结构提供了新的思路和方法支持。
2024-12-04
2024-12-04
2024-12-04
2024-12-04
2024-12-04