.png){kind=icon}
返回
SA2E: spatial-aware auto-encoder for cell type deconvolution of spatial transcriptomics data
.png){kind=icon}
PRE
AI
DOI：10.1093/bioinformatics/btag133.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（ST）技术同时测量基因表达和空间位置，但每个位点通常包含多种细胞类型的混合物，这对下游分析构成挑战。细胞类型解卷积旨在通过整合单细胞RNA测序（scRNA-seq）和ST数据来推断位点级别的细胞类型比例。许多现有方法从预定义的标记基因构建细胞类型特征，当标记信息不完整或不可用时，这会限制性能。结果为解决这一局限性，我们提出了一种空间感知自编码器框架（SA2E），用于细胞类型解卷积，而无需预定义的细胞类型生物标志物。SA2E使用具有空间正则化的自编码器学习隐含的位点表示，该自编码器保留了位点空间图的局部拓扑结构。基于这些表示，SA2E通过强制其重建ST表达来学习细胞类型特征。在我们的框架中，使用具有已知比例的模拟ST数据进行监督预训练，而真实ST数据则通过重建目标进行优化。在模拟和真实ST数据集上的大量实验表明，SA2E优于当前最先进的解卷积基准。可用性与实现SA2E的代码可在Github（https://github.com/xkmaxidian/SA2E）和Zenodo（DOI: 10.5281/zenodo.18765467）上获取。
Keyword:
GENOME-WIDE EXPRESSION
SINGLE-CELL
SEQ
期刊
IF:
5.4
论文数:
1.3K
被引数:
17.9W
机构
引用论文
Spatial organization of the somatosensory cortex revealed by osmFISHosmFISH揭示的体感皮层的空间组织.png)
NATURE METHODS
NATURE METHODSIF32.1
PREAI
分享收藏DSTG: deconvoluting spatial transcriptomics data through graph-based artificial intelligenceDSTG: 通过基于图形的人工智能对空间转录组数据进行反卷积
OAAI
OAAI分享收藏A single-cell and spatially resolved atlas of human breast cancers人类乳腺癌的单细胞和空间分辨图谱NATURE GENETICSOAAI
NATURE GENETICSIF31.8
OAAI分享收藏Cell2location maps fine-grained cell types in spatial transcriptomicsCell2location在空间转录组学中映射细粒度的细胞类型NATURE BIOTECHNOLOGY
NATURE BIOTECHNOLOGYIF41.7
PREAI
分享收藏Slide-seq: A scalable technology for measuring genome-wide expression at high spatial resolutionSlide-seq: 一种用于以高空间分辨率测量全基因组表达的可扩展技术ScienceOAAI
ScienceIF0
OAAI分享收藏OmicsTweezer: A distribution-independent cell deconvolution model for multi-omics DataOmicsTweezer：一种分布无关的多组学数据细胞分解模型OAAI
OAAI分享收藏Enhancing and accelerating cell type deconvolution of large-scale spatial transcriptomics slices with dual network model利用双网络模型增强和加速大规模空间转录组切片的细胞类型去卷积BIOINFORMATICS
OAAI
BIOINFORMATICSIF5.4
OAAI分享收藏分享收藏
查看更多内容