.png){kind=icon}
返回
Enhancing Super-Resolution Spatial Transcriptomics Data by Transfer Learning
.png){kind=icon}
OA
AI
DOI：10.1002/advs.76601.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
高分辨率空间转录组学（ST）技术（如Visium HD）能够实现亚细胞水平的组织表征，但受限于高昂的成本和技术复杂性，其可及性有限。现有的超分辨率方法主要依赖图像引导范式，其前提假设是基因表达严格反映组织形态学。然而，对于空间分布复杂且缺乏明显视觉特征的基因，该假设失效，常导致生物学伪影。为解决此问题，我们提出SpotZoomer框架，将分辨率增强表述为通过生成式领域自适应实现的知识迁移问题。该框架利用公开的高分辨率ST数据作为“教师”学习内在的空间表达先验，然后将这些先验迁移至粗略的spot数据，以重建高保真度的基因谱，捕捉仅靠形态学引导无法获取的分子细节。在19个数据集上的广泛基准测试表明，SpotZoomer采用的基于参考的范式相较于无参考的纯图像范式具有显著优势，实现了更高的重建精度和生物学保真度，并在高分辨率先验不可用的情况下补充而非取代无参考方法。因此，SpotZoomer提供了一种可扩展的数据驱动策略，用于将标准ST资源升级至亚细胞分辨率。
Keyword:
graph neural network
spatial transcriptomics
super-resolution
transfer learning
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
14.1
论文数:
1.8W
被引数:
11.5W
机构
引用论文
Transcriptome-scale spatial gene expression in the human dorsolateral prefrontal cortex人背外侧前额叶皮层中转录组尺度的空间基因表达OAAI
OAAI分享收藏Deciphering tumor ecosystems at super resolution from spatial transcriptomics with TESLA用TESLA从空间转录组学以超分辨率破译肿瘤生态系统.png)
CELL SYSTEMSOAAI
CELL SYSTEMSIF7.7
OAAI分享收藏Granzyme K+CD8+ T cells interact with fibroblasts to promote neutrophilic inflammation in nasal polyps颗粒酶K CD8 T细胞与成纤维细胞相互作用促进鼻息肉中性粒细胞炎症NATURE COMMUNICATIONSOAAI
NATURE COMMUNICATIONSIF15.7
OAAI分享收藏Tumour-retained activated CCR7+ dendritic cells are heterogeneous and regulate local anti-tumour cytolytic activityNATURE COMMUNICATIONSOAAI
NATURE COMMUNICATIONSIF15.7
OAAI分享收藏Bertram J., Fulton B., Tourigny J.P., Peña-Garcia Y., Moyle L.C., Hahn M.W.: CAGEE: Computational Analysis of Gene Expression Evolution. Mol Biol Evol 2023, 40:msad106.Bertram J., Fulton B., Tourigny J.P., Peña-Garcia Y., Moyle L.C., Hahn M.W.: CAGEE: 基因表达演化的计算分析。Mol Biol Evol 2023, 40:msad106.
IF0
PREAI
分享收藏分享收藏CCL19+ dendritic cells potentiate clinical benefit of anti-PD-(L)1 immunotherapy in breast cancerMEDOAAI
MEDIF11.8
OAAI分享收藏
查看更多内容