空间组学数据增强框架 soScope
1. 引言
空间组学已扩展了分子类别分析的范围，但许多技术受到空间分辨率的限制。现有计算方法主要针对转录组学数据，缺乏对新兴空间组学技术的适应性。
2. soScope 框架
北京航空航天大学和清华大学的研究人员提出了 soScope，这是一个统一的生成框架，旨在提高空间组学数据的质量和分辨率。
3. 技术原理
soScope 汇总来自组学、空间关系和图像的多模态组织信息。通过分布先验与组学特定建模的联合推断，输出具有增强分辨率的组学谱。
4. 性能评估
soScope 在 Visium、Xenium、spatial-CUT&Tag、slide-DNA/RNA-seq 等平台上的评估结果表明：
提高了肠道和肾脏结构识别的性能揭示了胚胎心脏的精细结构纠正了样本和技术偏差
5. 扩展应用
soScope 已扩展到 spatial-CITE-seq 和空间 ATAC-RNA-seq，利用跨组学参考进行多组学增强。
6. 结论
soScope 提供了一种多功能工具，提高了空间组学技术和资源的利用率。
7. 参考
该研究已于 2024 年 8 月 2 日以「Tissue characterization at an enhanced resolution across spatial omics platforms with deep generative model」为题发表在《Nature Communications》。
组织空间组学技术
组织是由具有不同分子状态和空间组织的细胞构成的。空间组学技术近年来取得了显著进展，可以在保持空间背景的同时，对各种分子类别进行空间分析。
挑战和解决方案
尽管取得了早期成功，但空间组学技术仍面临两个主要挑战：
冷冻或福尔马林固定的组织可能影响分子状态，降低测序准确性。大多数技术的空间分辨率有限，难以揭示组织结构的细微异质性。
计算技术可以改善空间组学数据的分辨率，但目前的方法大多仅针对单一组织模态，难以充分利用多模态信息。
soScope：提高空间分辨率和数据质量
北航和清华的研究团队引入了空间组学范围（soScope），这是一个完全生成的框架，它模拟来自不同空间组学技术的点级概况的生成过程，旨在提高它们的空间分辨率和数据质量。
soScope将每个点视为增强空间分辨率的“子点”的集合，其组学特征与空间位置和形态模式相关。然后，soScope使用多模态深度学习框架整合斑点组学概况、空间关系和高分辨率形态学图像，并联合推断子斑点分辨率下的组学概况。通过选择组学特定分布，soScope可以对不同的空间组学数据进行精确建模和减少变异。
图示： soScope 及其应用的概述。（来源：论文）
soScope 特点：
统一工具，结合多模态组织图谱增强组学图谱（不同分子类别）提高空间分辨率减少不必要变化表征复杂组织结构（原始分辨率下无法检测）
图示：对来自多种组织和平台的空间转录组学数据集上的 soScope 进行评估。（来源：论文）
该团队广泛评估了 soScope 对通过多种空间技术分析的多种分子类型的有效性和普遍性，包括 Visium、Xenium、spatial-CUT&Tag、slide-DNA-seq、slide-RNA-seq、spatial-CITE-seq 和 spatial ATAC-RNA-seq。
在健康和患病组织中，soScope 改进了组织域识别，提高了已知标记的可区分性，并纠正了数据和技术偏差。该方法能够揭示比原始分辨率高出 36 倍的更精细的组织结构。它可以有效地适应空间多组学数据，以同时增强多组学概况。
研究人员注意到，有几种基于成像的空间组学技术，例如 seqFISH、STARmap 和 MERFISH，它们可以直接实现单细胞分辨率的空间分析，但代价是组学通量较低和组织区域较小。虽然 soScope 为预先指定的亚点或细胞位置提供了增强的配置文件，但它可能无法达到亚细胞分辨率。
图示：使用空间 CITE-seq 将多组学 soScope 应用于来自人体皮肤组织的空间蛋白质 + 转录数据集。（来源：论文）
进一步提高分辨率：
修改 soScope，包含来自同一组织的配对单细胞组学数据，为亚点推断提供更高分辨率信息。整合 H&E 图像作为输入，人类专家在某些临床研究中可以轻松对其进行注释。修改 soScope，整合人类标签并以半监督方式指导后验推理，改进潜在表征和概况学习。
降低计算成本：
对于包含来自同一器官的多个连续切片的较大数据集，soScope 可以：
在部分数据上进行训练。应用于其余组织切片。
潜力：
随着空间组学数据资源的不断扩展和新空间技术的出现，研究人员相信 soScope 具有以下潜力：
多功能工具。充分利用空间组学数据。增强科学家对复杂组织结构和生物过程的理解。
论文链接：
https://www.nature.com/articles/s41467-024-50837-5
以上就是比原始分辨率高36倍，北航、清华团队用AI在多空间组学平台上高分辨率表征组织，登Nature子刊的详细内容，更多请关注【创想鸟】其它相关文章！
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至253000106@qq.com举报，一经查实，本站将立刻删除。
发布者：PHP中文网，转转请注明出处：https://www.chuangxiangniao.com/p/1401468.html
