Interpretable spatial multi-omics data integration and dimensionality reduction with SpaMV

Yang Liu

doi:10.1038/s41467-026-74718-1

Interpretable spatial multi-omics data integration and dimensionality reduction with SpaMV

2026-07-01

1

PRE

AI

DOI：10.1038/s41467-026-74718-1

原文链接

原文求助

摘要

En 中文

空间多组学技术通过提供多角度的空间分辨分子谱，革新了我们对于生物系统的理解。现有的空间多组学整合方法通常假设不同组学数据共享一个共同的基础分布，并旨在将它们投影到单一的统一潜在空间中。然而，这一假设掩盖了每种组学提供的独特见解，从而限制了多组学分析的全部潜力。为解决此局限性，我们开发了空间多视图（SpaMV）表示学习算法，该算法明确捕捉跨组学的共享信息以及独特的、组学特定的信息，从而实现对空间多组学数据更全面且可解释的表示。通过对模拟和真实世界数据集的广泛评估，SpaMV展现出更优的空间域聚类性能，并为下游分析提供了更具可解释性的主题建模和降维。此外，我们的方法比现有方法更有效地发现了可解释的组学特定生物标志物，突显了其在解耦多组学信号方面的优势。

Keyword:

MHC CLASS-I

RECEPTOR

CELLS

EXPRESSION

THYMUS

GENE

RNA

Interpretable spatial multi-omics data integration and dimensionality reduction with SpaMV

摘要

期刊

机构

引用论文