杨运桂/张世华团队开发整合组织学图像和空间基因表达谱的深度学习方法STASCAN，破译高分辨率细胞分布

文章预览

新兴的空间转录组学（ST）技术能够在保存组织空间背景信息的同时捕捉基因表达，提升了我们对不同器官结构和细胞组成的理解。基于下一代测序（NGS）的ST方法，在测序前结合空间位置信息从组织中捕获转录本，能够高通量和无偏覆盖检测整个转录组的基因表达，且更容易获得商业化产品。但是测序技术仍然限制了创建精细分辨率空间细胞类型图谱的能力。 近日， 中国国家生物信息中心杨运桂团队、中国科学院数学与系统科学研究院张世华团队 合作开发了一种基于深度学习的空间转录组细胞注释工具STASCAN，通过整合基因表达谱和组织学图像的细胞特征学习来预测组织切片未知区域的细胞类型 ，并对捕获区域内的细胞进行细分注释，从而大大提高空间细胞分辨率。 STASCAN还成功地仅从相邻切片的组织学图像中生成细胞分布图，从而以更低的实 ………………………………