Nat. Methods. | 空间组学数据多任务分析的感知依赖深度生成模型

文章预览

DRUG AI 今天为大家介绍的是来自武汉大学的田天和南京大学的张洁撰写的一篇论文。空间分辨转录组学（Spatially Resolved Transcriptomics, SRT）技术显著推动了生物医学研究的发展，但由于数据的离散性、高噪声水平以及复杂的空间依赖性，使得数据分析仍然充满挑战。在此，作者提出了一种名为spaVAE的感知依赖深度生成空间变分自编码器模型，该模型能够以概率方式表征计数数据，同时捕捉空间相关性。spaVAE引入了一种混合嵌入方法，将高斯过程先验与高斯先验结合，明确捕捉不同点位之间的空间相关性。然后，该模型通过优化深度神经网络的参数来逼近SRT数据的底层分布。利用这些逼近的分布，spaVAE可以完成多个SRT数据分析中的关键任务，包括降维、可视化、聚类、批次整合、去噪、差异表达、空间插值、分辨率增强和空间变异基因的识别。此外， ………………………………