.png){kind=icon}
返回
A systematic benchmark of batch effect correction methods for spatial transcriptomics
.png){kind=icon}
OA
AI
DOI：10.1186/s13059-026-04281-x.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
空间转录组学能够对组织切片内基因表达进行高分辨率分析，但其可靠性常因技术批次效应而受损，这些效应会掩盖生物信号并阻碍数据整合。系统性地定义、评估和校正这些伪影的需求十分迫切。本研究建立了SpaBEAT（空间批次效应评估与测试）系统框架，该框架定义了空间转录组学中的四种关键批次效应类型：切片间、样本间、跨协议/平台以及切片内批次效应。基于此框架，我们在包括点基、高分辨率、图像基靶向和跨平台数据集等多样化空间转录组学模态中，对十种空间整合方法进行了基准测试。此外，我们引入受控和半合成模拟以区分技术变异与预设生物差异，并评估方法对预处理选择、靶向基因重叠和细胞分割策略的鲁棒性。性能采用一系列衡量批次效应去除和生物信号保留的指标进行严格量化，并结合层次排名、任务覆盖和计算效率进行评估。分析表明，空间批次校正性能具有情境依赖性，批次效应去除与生物结构保留之间存在明显权衡，且不存在适用于所有组织、平台和批次效应场景的通用最优方法。本研究建立了一个系统化、标准化的框架，用于定义和评估空间转录组学中的批次效应。SpaBEAT为方法选择提供实用指导，并提供了基准数据集、模拟、可重复工作流和评估资源，以促进更稳健和可重复的空间转录组学研究。
Keyword:
Spatial transcriptomics
Batch effect
Integration
Benchmarking
