.png){kind=icon}
返回
Computational methods for spatial multi-omics integration
.png){kind=icon}
PRE
AI
DOI：10.1016/j.biotechadv.2026.108807.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
空间多组学技术的快速发展使得能够从同一组织切片同时获取转录组学、蛋白质组学和表观基因组学信息。但是，跨模态的分布属性，数据维度和噪声水平的显着差异，以及空间信息的固有稀疏性和不完整性，对数据集成和建模构成了重大挑战。近年来，基于深度学习的空间多组学集成算法迅速兴起，为构建统一的潜在表示和实现跨模态融合提供了新的途径。在这篇综述中，我们首次系统地总结了现有的空间多组学整合方法，从两个角度对它们进行了分类和比较。我们不仅系统地调查了这些方法所采用的数据集，还强调了它们支持的关键下游分析任务，并进一步总结了空间多组学整合研究目前面临的主要挑战。此外，我们比较了不同方法的优势和局限性，以帮助研究人员更有效地选择合适的方法，从而推进空间多组学在揭示组织微环境和疾病过程的多层调控机制中的应用。
期刊
IF:
12.5
论文数:
3.0K
被引数:
2.7W
机构
引用论文
Slide-tags enables single-nucleus barcoding for multimodal spatial genomicsSlide-tags实现了多模态空间基因组学的单核条形码.png)
Nature
OAAI
NatureIF0
OAAI分享收藏SMOPCA: spatially aware dimension reduction integrating multi-omics improves the efficiency of spatial domain detectionSMOPCA：一种空间感知的维度约简方法，整合多组学数据以提高空间域检测的效率GENOME BIOLOGY
OAAI
GENOME BIOLOGYIF9.4
OAAI分享收藏Decoding the tumor microenvironment with spatial technologies用空间技术解码肿瘤微环境NATURE IMMUNOLOGY
NATURE IMMUNOLOGYIF27.6
PREAI
分享收藏Spatial epigenome–transcriptome co-profiling of mammalian tissues哺乳动物组织的空间表观基因组-转录组共谱分析NatureOAAI
NatureIF0
OAAI分享收藏Transcriptome-scale super-resolved imaging in tissues by RNA seqFISH+通过RNA seqFISH在组织中进行转录组规模的超分辨成像NatureOAAI
NatureIF0
OAAI分享收藏
查看更多内容