.png){kind=icon}
返回
Cell interactions inference for single-cell spatial transcriptomes with GraphCIM
.png){kind=icon}
PRE
AI
DOI：10.1016/j.eswa.2026.131799.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
空间转录组学技术的持续进步使得能够在单细胞分辨率下分析组织微环境。随着空间转录组学中的基因通量水平和组织切片规模增加，在确保高效率与可扩展性的同时准确推断细胞间相互作用面临重大挑战。在此背景下，我们开发了一种有效的图变分自编码器框架，用于推断细胞间相互作用。该框架通过整合空间关系和基因表达特征来学习潜在嵌入特征，从而提高了细胞间相互作用的整体准确性。我们通过在四个公开的单细胞空间转录组学数据集和三个精心设计的模拟数据集上的广泛实验评估了该框架。在所有测试场景中，它均持续优于现有的最先进方法。特别是在真实数据集上，它实现了高达95.40%的平均AUROC和90.22%的平均AP——分别比最强基准提升了4.04%和3.7%。除性能优势外，该框架还表现出强大的鲁棒性，在空间转录组学数据中常见的各种细胞密度和噪声水平下均能维持高精度。我们的研究结果表明，该框架在推断单细胞空间转录组学数据中的细胞相互作用方面展现出卓越能力。本研究的核心创新在于引入了一种统一的节点特征嵌入策略，并辅以解码器内的加权增强嵌入机制。这种组合使得能够对细胞及其微环境进行更细致且具有生物学意义的表征。
Keyword:
Graph variational autoencoder
Spatial transcriptomics
Intercellular interactions
Latent embedding
Cell microenvironment
期刊
IF:
7.5
论文数:
3.0W
被引数:
10.2W
机构
引用论文
CellPhoneDB: inferring cell-cell communication from combined expression of multi-subunit ligand-receptor complexesCellPhoneDB: 从多亚基配体-受体复合物的联合表达推断细胞-细胞通讯.png)
NATURE PROTOCOLS
OAAI
NATURE PROTOCOLSIF16
OAAI分享收藏分享收藏A numerical treatment through Bayesian regularization neural network for the chickenpox disease model基于贝叶斯正则化神经网络的 chickenpox 疾病模型的数值处理
PREAI
分享收藏Spatially resolved analysis of pancreatic cancer identifies therapy-associated remodeling of the tumor microenvironment胰腺癌的空间分辨分析确定了肿瘤微环境的治疗相关重塑NATURE GENETICS
NATURE GENETICSIF31.8
PREAI
分享收藏Slide-seq: A scalable technology for measuring genome-wide expression at high spatial resolutionSlide-seq: 一种用于以高空间分辨率测量全基因组表达的可扩展技术ScienceOAAI
ScienceIF0
OAAI分享收藏Morlet Wavelet Neural Network Investigations to Present the Numerical Investigations of the Prediction Differential ModelMathematics
OAAI
MathematicsIF0
OAAI分享收藏
查看更多内容