.png){kind=icon}
返回
Spatially Resolved Transcriptomics Data Clustering With Modality Conflict Modulation
.png){kind=icon}
PRE
AI
DOI：10.1109/tetci.2026.3675463.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)聚类识别组织内独特的空间域并阐明细胞相互作用。尽管这种方法推动了人类对细胞组织的理解，但ST数据在转录谱和空间坐标之间存在模态冲突。这种冲突表现为空间邻近点出现表达分歧，并对定义聚类边界构成了根本性挑战。为解决这一问题，我们提出了一个具有模态冲突调节的空间转录组学数据聚类网络(stMCM)。我们的框架首次将细胞空间坐标转化为特征表示，同时引入了一种新颖的交叉传播架构，通过双重图网络传播空间和基因特征，从而强化了空间和转录模式一致区域的一致性。为具体解决表达分歧的细胞对中存在的空间虚假相关性，我们将基因特征投影到超球面上计算相似度，随后使用Jensen-Shannon散度(JSD)评估空间掩码图的重构似然。大量实验结果表明，我们的方法在聚类任务及相关下游应用中优于现有最先进的方法。
Keyword:
Spatial transcriptomics clustering
modality conflict
cross-propagation
spatial coordinates
期刊
I
IF:
6.5
论文数:
1.4K
被引数:
4.5K
机构
引用论文
MAEST: accurately spatial domain detection in spatial transcriptomics with graph masked autoencoderMAEST：基于图掩码自动编码器的空间转录组学中精确的空间域检测
OAAI
OAAI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Multi-View Adaptive Fusion Network for Spatially Resolved Transcriptomics Data Clustering用于空间分辨转录组数据聚类的多视图自适应融合网络
PREAI
分享收藏Integrating modularity maximization and contrastive learning for identifying spatial domain from spatial transcriptomics整合模块度最大化和对比学习以识别空间域来自空间转录组学
PREAI
分享收藏Deciphering cell-cell communication at single-cell resolution for spatial transcriptomics with subgraph-based graph attention network.png)
NATURE COMMUNICATIONSOAAI
NATURE COMMUNICATIONSIF15.7
OAAI分享收藏Learning Self-Growth Maps for Fast and Accurate Imbalanced Streaming Data Clustering学习用于快速且准确的不平衡流数据聚类的自增长映射OAAI
OAAI分享收藏
查看更多内容