.png){kind=icon}
返回
DiffuST: A Latent Diffusion Model for Spatial Transcriptomics Denoising
.png){kind=icon}
PRE
AI
DOI：10.1109/tcbbio.2026.3690748.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
空间转录组学技术能够实现基因表达谱的全面测量并保留空间信息，大多数平台还提供匹配的病理图像。然而，低RNA捕获效率产生的噪声以及为保留空间信息所需的实验步骤可能破坏生物信号并阻碍分析。本研究开发了一种潜在扩散模型DiffuST用于空间转录组学去噪。DiffuST采用图自编码器和预训练模型从空间信息和病理图像中提取多尺度特征。随后，利用潜在扩散模型将不同尺度的特征映射到同一空间进行去噪。基于多种空间转录组学数据集的评估显示，DiffuST优于现有的去噪方法。此外，结果表明DiffuST能够增强空间转录组学的下游分析并产生重要的生物学见解。
Keyword:
Spatial transcriptomics denoising
latent diffusion model
pre-trained model
graph autoencoder
期刊
I
IF:
3.4
论文数:
3.3K
被引数:
6.4K
机构
引用论文
暂无论文信息