Nat Methods | 李明瑶/胡健团队联合开发MISO，打造解码组织复杂性的新一代多模态组学AI工具

文章预览

随着多模态空间组学技术的飞速发展，研究人员能够从单一组织样本中提取海量数据。然而，如何整合这些复杂的组学数据（如转录组学、蛋白质组学、代谢组学等）并从中揭示关键的生物学信息，一直是科学界的重大挑战。 2025年1月15日，宾夕法尼亚大学 （University of Pennsylvania） 李明瑶 团队与埃默里大学 （Emory University） 胡健 团队在 Nature Methods 发表了题为  Resolving tissue complexity by multi-modal spatial omics modeling with MISO  的论文， 提出了一种全新的多模态空间组学数据分析框架。 博士生Kyle Coleman担任论文第一作者。 MISO：突破多模态数据分析瓶颈的AI算法 整合多模态数据是空间组学领域的未来方向。MISO是一款先进的人工智能工具，专为整合和分析多模态空间组学数据而设计。其高效的特征提取和聚类算法可以自动整合转录组学、蛋白质组学、代谢 ………………………………