Nat Commun | 打破传统局限！SIMVI深度学习框架精准分离空间组学数据中内在及空间诱导细胞状态

文章预览

近年来，高速发展的空间组学技术正引领着生命科学领域的深刻变革，为生物学研究带来了新的契机。细胞基因表达受内在特性（如细胞类型、周期状态）和空间微环境（如信号分子、细胞互作）双重调控，现有计算方法无法有效解耦两种调控机制，难以精准量化不同变异对基因表达的影响。 近日，美国耶鲁大学 Yuval Kluger团队 在 Nature Communications 上发表了题为“SIMVI disentangles intrinsic and spatial-induced cellular states in spatial omics data”的文章。 研究团队提出了基于变分推断的空间相互作用模型“ SIMVI ”，这是一种无需注释的深度学习框架，能有效解耦空间组学数据中细胞内在变异和空间诱导潜在变异，实现单细胞分辨率下空间效应评估，并支持多种下游分析。 经验证， SIMVI性能显著优于 相较现有方法，能独特地捕捉复杂的空间相互作用和动态，是空 ………………………………