STCF: Multi-View Clustering for Spatial Transcriptomics Based on Cross-View Fusion

doi:10.1109/TPAMI.2026.3665779

STCF: Multi-View Clustering for Spatial Transcriptomics Based on Cross-View Fusion

2026-02-17

0

PRE

AI

Xinwang Liu (Xinwang Liu)

DOI：10.1109/TPAMI.2026.3665779

原文链接

原文求助

摘要

En 中文

空间转录组学已革新了在组织形态内探究转录模式的能力。然而，许多ST聚类流程仅基于单一预选基因集操作，通常优先考虑高度变异基因（HVGs）或空间变异基因（SVGs），因此可能无法直接建模不同全局变异水平基因如何为空间域识别提供互补线索。尽管可通过SVG选择和空间图建模部分捕捉非HVG信号，但专门分离高方差和低方差基因子集并在统一目标下融合它们的两种视图范式仍需进一步探索。为此，我们提出了一个用于交叉视图信息融合的空间转录组学聚类框架STCF，它将HVGs和低变异基因（LVGs）视为两种基因表达视图，并通过即插即用的交叉视图融合策略整合它们。具体而言，STCF引入了一种交叉视图融合机制，采用反向缩放余弦误差损失（R-SCE）来平衡基因嵌入的对齐与分离，在保持空间一致性的同时确保鲁棒的表示学习，从而增强模型解析精细空间结构的能力。在三个基准数据集（DLPFC、HBC和MBA）上的广泛实验证明了STCF的优越性、有效性和可迁移性。案例研究进一步验证了其揭示潜在空间模式并提升聚类精度的能力。

Keyword:

Multi-view learning

graph learning

multi-view clustering

spatial transcriptomics clustering

STCF: Multi-View Clustering for Spatial Transcriptomics Based on Cross-View Fusion

摘要

期刊

机构

引用论文