.png){kind=icon}
返回
SURF: A Self-Supervised Deep Learning Method for Reference-Free Deconvolution in Spatial Transcriptomics
.png){kind=icon}
OA
AI
DOI：10.1002/advs.202505456.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
空间转录组学通过实现空间分辨的基因表达谱分析，极大地革新了组织生物学。然而，当前基于位点水平的空间转录组技术会整合多个细胞的信号，从而增加了细胞水平的分析难度。此外，基于参考的解卷积方法所需的匹配单细胞参考数据通常难以获取。为克服这些局限性，我们提出了SURF，一种无参考的解卷积工具，该工具整合了高维基因数据分析与自监督深度学习，能够有效建模非线性基因相互作用并利用位点间关系。在合成数据集和真实数据集上的基准测试表明，SURF始终优于现有的无参考方法，并且在适当参考数据缺失时，其性能甚至超过基于参考的方法。在具有不同分辨率、物种、空间模式和组织状态的数据集上的应用表明，SURF具有稳健地精确表征组织微环境的能力。值得注意的是，SURF在一个人类结直肠癌肝转移数据集中成功识别了肿瘤区域内具有临床意义的上皮-间质转化状态，突显了其在揭示与疾病进展相关的关键生物学机制方面的应用价值。
Keyword:
deconvolution
deep learning
reference-free
self-supervised
spatial transcriptomics
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
14.1
论文数:
1.8W
被引数:
11.5W
机构
引用论文
Transcriptome-scale spatial gene expression in the human dorsolateral prefrontal cortex人背外侧前额叶皮层中转录组尺度的空间基因表达OAAI
OAAI分享收藏Staged developmental mapping and X chromosome transcriptional dynamics during mouse spermatogenesis.png)
NATURE COMMUNICATIONSOAAI
NATURE COMMUNICATIONSIF15.7
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分享收藏分享收藏Integrative spatial analysis of cell morphologies and transcriptional states with MUSENATURE BIOTECHNOLOGY
OAAI
NATURE BIOTECHNOLOGYIF41.7
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Genomic and microenvironmental heterogeneity shaping epithelial-to-mesenchymal trajectories in cancerNATURE COMMUNICATIONSOAAI
NATURE COMMUNICATIONSIF15.7
OAAI分享收藏Transcriptome-scale super-resolved imaging in tissues by RNA seqFISH+通过RNA seqFISH在组织中进行转录组规模的超分辨成像NatureOAAI
NatureIF0
OAAI分享收藏
查看更多内容