比原始解析度高36倍，北航、清華團隊用AI在多空間組學平台上高解析度表徵組織，登Nature子刊
- WBOY原創
- 2024-08-14 19:51:32604瀏覽
1. 引言
空間組學已擴展了分子類別分析的範圍，但許多技術受到空間分辨率的限制。現有計算方法主要針對轉錄組學數據，缺乏對新興空間組學技術的適應性。
2. soScope 框架
北京航空航天大學和清華大學的研究人員提出了 soScope，這是一個統一的生成框架，旨在提高空間組學數據的質量和分辨率。
3. 技術原理
soScope 匯總來自組學、空間關係和圖像的多模態組織資訊。透過分佈先驗與組學特定建模的聯合推斷，輸出具有增強分辨率的組學譜。
4. 性能評估
soScope 在Visium、Xenium、spatial-CUT&Tag、slide-DNA/RNA-seq 等平台上的評估結果表明：
- 提高了腸道和腎臟結構識別的性能 揭示了胚胎心臟的精細結構
- 糾正了樣本和技術偏差
5. 擴展應用
soScope 已擴展到spatial-CITE-seq 和空間ATAC-RNA-seq，利用跨組學參考組學增強。6. 結論
soScope 提供了一種多功能工具，提高了空間組學技術和資源的利用率。7. 參考
該研究已於 2024 年 8 月 2 日以「Tissue characterization at an enhanced resolution across spatial omics platforms with deep deep 捲髮為問題」發表。
挑戰和解決方案
儘管取得了早期成功，但空間組學技術仍面臨兩個主要挑戰：- 冷凍或福爾馬林固定的組織可能影響分子狀態，降低定序準確性。
- 大多數技術的空間解析度有限，難以揭示組織結構的細微異質性。
soScope：提高空間分辨率和數據品質
北航和清華的研究團隊引入了空間組學範圍（soScope），這是一個完全生成的框架，它模擬來自不同空間組學技術的點級概況的生成過程，旨在提高它們的空間解析度和資料品質。 soScope將每個點視為增強空間分辨率的「子點」的集合，其組學特徵與空間位置和形態模式相關。然後，soScope使用多模態深度學習框架整合斑點組學概況、空間關係和高分辨率形態學圖像，並聯合推斷子斑點分辨率下的組學概況。透過選擇組學特定分佈，soScope可以對不同的空間組學資料進行精確建模和減少變異。
soScope 特點：
- 統一工具，結合多模態組織圖譜
- 增強組學圖譜（不同分子類別）
- 提高空間分辨率表徵複雜組織結構（原始解析度下無法偵測）
- 圖示：對來自多種組織和平台的空間轉錄組學資料集上的soScope 進行評估。 （資料來源：論文）
-
該團隊廣泛評估了soScope 對多種太空技術分析的多種分子類型的有效性和普遍性，包括Visium、Xenium、spatial-CUT&Tag、slide-DNA-seq、slide- RNA-seq、spatial-CITE-seq 和spatial ATAC-RNA-seq。
在健康和患病組織中，soScope 改進了組織域識別，提高了已知標記的可區分性，並糾正了數據和技術偏差。該方法能夠揭示比原始解析度高出 36 倍的更精細的組織結構。它可以有效地適應空間多組學數據，以同時增強多組學概況。
研究人員注意到，有幾種基於成像的空間組學技術，例如seqFISH、STARmap 和MERFISH，它們可以直接實現單細胞分辨率的空間分析，但代價是組學通量較低和組織區域較小。雖然 soScope 為預先指定的亞點或細胞位置提供了增強的配置文件，但它可能無法達到亞細胞分辨率。
進一步提高解析度：
- 修改 soScope，包含來自同一組織的配對單細胞組學數據，為亞點推斷提供更高解析度資訊。
- 整合 H&E 影像作為輸入，人類專家在某些臨床研究中可以輕鬆對其進行註釋。
- 修改 soScope，整合人類標籤並以半監督方式指導後驗推理，改進潛在表徵和概況學習。
降低計算成本：
對於包含來自同一器官的多個連續切片的較大數據集，soScope 可以：
- 在部分數據上進行訓練。
- 應用於其餘組織切片。
潛力：
隨著空間組學資料資源的不斷擴展和新空間技術的出現，研究人員相信 soScope 具有以下潛力：
- 多功能工具。
- 充分利用空間組學資料。
- 增強科學家對複雜組織結構和生物過程的理解。
論文連結：
https://www.nature.com/articles/s41467-024-50837-5
以上是比原始解析度高36倍，北航、清華團隊用AI在多空間組學平台上高解析度表徵組織，登Nature子刊的詳細內容。更多資訊請關注PHP中文網其他相關文章！