A collaborative graph–transformer network for spatial transcriptomics data clustering with semantic graph induction

Jiangkai Long

doi:10.1016/j.engappai.2026.115097

A collaborative graph–transformer network for spatial transcriptomics data clustering with semantic graph induction

2026-06-13

0

PRE

AI

DOI：10.1016/j.engappai.2026.115097

原文链接

原文求助

摘要

En 中文

空间转录组学能够同时捕获基因表达谱和空间定位信息，为解析组织结构和细胞间相互作用提供了关键见解。为充分利用空间转录组学数据，有效建模空间关系至关重要。然而，当前方法在构建图结构时存在局限性。基于空间邻近性的传统静态拓扑关系难以界定细胞层边界，且无法充分识别同一层内细胞的跨区域分布模式。而基于原始基因表达相似性的方法易受噪声和细胞异质性影响，难以捕捉潜在语义关系。为解决这些挑战，我们提出GTFST，一种用于空间转录组学聚类的图-Transformer网络。GTFST采用双分支架构，并结合设计的互换单元对齐（RCA）策略，全面建模局部微环境相互作用和全局上下文语义。特别地，我们引入语义图归纳（SGI）模块，自动学习并归纳从基因语义关系推导出的图拓扑结构。该设计克服了固定邻域方法的局限性，能够更深入地建模复杂生物相互作用。在空间转录组学数据集上的广泛实验表明，GTFST在空间域聚类方面优于当前先进方法。其增强的精度为后续生物学分析（如差异表达基因识别、功能富集和细胞间相互作用推断）提供了坚实基础。

A collaborative graph–transformer network for spatial transcriptomics data clustering with semantic graph induction

摘要

期刊

机构