空间分辨转录组学的最新进展使得能够全面测量基因表达模式，同时保留组织微环境的空间背景。破译组织中斑点的空间背景需要仔细使用它们的空间信息。
为此，中国科学院的研究人员开发了一个图注意自动编码器框架STAGATE，通过集成空间信息和基因表达轮廓，来学习低维潜嵌件，进而准确地识别空间域。为了更好地表征空间域的边界处的空间相似性，通过对基因表达的预聚类来自适应地学习相邻点的相似性，采用注意机制来自适应地学习相同的细胞类型感知模块。
研究人员验证了不同平台生成的不同空间分辨率生成的不同空间转录组数据集的STAGATE。STAGATE可以大大提高空间域的识别准确性，并在保持空间表达式模式的同时去噪。重要的是，STAGATE 可以扩展到多个连续的部分，以减少部分之间的批次效应并有效地从重建的 3D 组织中提取三维（3D）表达域。
该研究以「Deciphering spatial domains from spatially resolved transcriptomics with an adaptive graph attention auto-encoder」为题，于 2022 年 4 月 1 日发布在《Nature Communications》。
论文链接：https://www.nature.com/articles/s41467-022-29439-6

内容中包含的图片若涉及版权问题，请及时与我们联系删除