.png){kind=icon}
返回
STGNET: extending panel coverage in imaging-based spatial transcriptomics using deep generative adversarial networks
.png){kind=icon}
PRE
AI
DOI：10.1093/bib/bbag122.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
基于成像的空间转录组学（ST）技术为在完整组织中绘制基因表达提供了无与伦比的分辨率，但其根本受限于基因面板尺寸的有限性。这一限制通过忽略分析中可能至关重要的基因，阻碍了全面的生物学发现。为克服此限制，我们引入了STGNET，一种通过整合生成对抗网络（GAN）与图神经网络来扩展基因面板覆盖范围的深度学习框架。STGNET采用多阶段GAN从单细胞RNA测序数据中学习全局转录组分布，随后利用具备空间感知的图卷积网络，通过建模物理细胞邻近性和转录相似性来优化数据补充。我们在九个不同的ST数据集上严格地将STGNET与七种最先进方法进行了基准测试。STGNET始终表现出更优性能，显示出在基因补充方面更高的准确性，并出色地保留了细胞拓扑结构。我们进一步展示了其生物学应用价值：在准确重建小鼠胚胎发育的发育标记模式、揭示乳腺癌进展中的新型过渡细胞状态以及揭示小鼠大脑中广泛且先前被遮蔽的细胞间通讯网络方面。STGNET为释放靶向ST检测的潜力提供了强大且稳健的解决方案，从而实现更深入和更全面的空间生物学研究。STGNET可免费访问于https://github.com/wuyuanwuhuii/STGNET。
Keyword:
imaging-based spatial transcriptomics
generative adversarial networks
graph convolutional network
gene panel imputation
期刊
IF:
7.7
论文数:
5.8K
被引数:
2.7W
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Spatially resolved cell atlas of the mouse primary motor cortex by MERFISHMERFISH对小鼠初级运动皮层的空间分辨细胞图谱Nature
OAAI
NatureIF0
OAAI分享收藏From Louvain to Leiden: guaranteeing well-connected communities从鲁汶到莱顿: 保证良好连接的社区SCIENTIFIC REPORTSOAAI
SCIENTIFIC REPORTSIF3.9
OAAI分享收藏Molecular diagnosis of metastasizing breast cancer based upon liquid biopsy基于液体活检的转移性乳腺癌分子诊断
IF0
PREAI
分享收藏Integration of spatial and single-cell transcriptomic data elucidates mouse organogenesis空间和单细胞转录组数据的整合阐明了小鼠器官发生NATURE BIOTECHNOLOGYOAAI
NATURE BIOTECHNOLOGYIF41.7
OAAI分享收藏
查看更多内容