Robust Algorithm With Contrastive Learning for Identifying Spatial Domains From Noised Spatial Transcriptomics Data

doi:10.1109/TCBBIO.2026.3683521

Robust Algorithm With Contrastive Learning for Identifying Spatial Domains From Noised Spatial Transcriptomics Data

2026-05-01

0

PRE

AI

DOI：10.1109/TCBBIO.2026.3683521

原文链接

原文求助

摘要

En 中文

空间转录组学（ST）技术能够捕获具有空间背景的基因转录组学信息，从而实现对与空间域高度相关的组织微环境的系统探索。然而，ST数据的噪声给识别空间域的算法设计带来了巨大挑战，而现有方法通过预处理程序去除噪声，导致性能不佳。为克服这一局限，我们提出了一种鲁棒且联合的框架，称为jNFACL（联合网络基特征-亲和对比学习），用于识别含噪ST数据的空间域，其中ST数据的去噪和空间域识别被同时整合。具体而言，jNFACL首先根据转录组学和空间坐标构建表达图和空间图，以去除ST数据的异质性。随后，jNFACL通过将这些构建的图联合投影到共享子空间中分离ST数据的噪声，其中通过非负矩阵分解在特征层面分离噪声。为进一步提升斑点特征的质量，采用对比学习利用空间邻域信息，通过拉近相似斑点并推远不相似斑点，并融入自监督信息，从而增强对空间域的表征和识别。在来自多个平台和物种的不同噪声水平数据集上的实验表明，jNFACL比当前最先进的方法更准确且鲁棒，为分析含噪ST数据提供了替代方案。

Keyword:

Spatial transcriptomic

spatial domain

non-negative matrix factorization

contrastive learning

Robust Algorithm With Contrastive Learning for Identifying Spatial Domains From Noised Spatial Transcriptomics Data

摘要

期刊

机构

引用论文