Искусственный интеллект облегчает идентификацию подструктуры ткани с помощью транскриптомики с пространственным разрешением.
Исследовательская группа под руководством профессора Чжан Шихуа из Академии математики и системных наук Китайской академии наук предложила новый вычислительный инструмент STAGATE для расшифровки подструктур тканей на основе транскриптомики с пространственным разрешением (ST).
Модель использует технологию искусственного интеллекта для интеграции информации о пространственном местоположении и профиле экспрессии генов пространственных пятен. В этом алгоритме представлен автокодер графического внимания с механизмом графического внимания в среднем скрытом слое, который может адаптивно изучать разнородные сходства между соседними точками. Результаты были опубликованы в Nature Communications.
Расшифровка тканевых подструктур или пространственных доменов (т.е. тканевых областей со схожими паттернами пространственной экспрессии) является одной из больших проблем, представляемых STs. Например, ламинарная организация коры головного мозга человека особенно связана с ее биологическими функциями , при которых клетки, находящиеся в разных слоях коры, часто различаются по экспрессии, морфологии и физиологии. Однако большинство существующих методов кластеризации неэффективно используют доступную пространственную информацию, что приводит к дискретным тканевым подструктурам. Кроме того, они очень восприимчивы к техническим шумам.
По словам исследователей, новая модель преобразует информацию о пространственном местоположении в сеть пространственных соседей между пространственными точками, а затем передает информацию об экспрессии генов и пространственную сеть в автокодировщик внимания графа для изучения низкоразмерного представления пятна.
Кроме того, он сочетает в себе характеристики данных 10x Visium и предлагает модуль с учетом типа ячейки, основанный на предварительной кластеризации информации об экспрессии, чтобы лучше описать границу домена пространства ячейки.
Интересно, что новая модель может уменьшить пакетный эффект между различными секциями за счет введения пространственной сети между соседними секциями и улучшить производительность трехмерных тканевых субструктур.
Превосходство STAGATE для расшифровки подструктур тканей или пространственных доменов было подтверждено в различных наборах данных. Стоит отметить, что его можно использовать для анализа данных пространственной транскриптомики различных технологических платформ секвенирования (включая 10x Visium, Slide-seq, Stereo-seq и т. д.) с различными пространственными разрешениями.
«Благодаря быстрому развитию технологии пространственной омики и непрерывному накоплению данных эта новая модель STAGATE может облегчить точный анализ крупномасштабных данных пространственного транскриптома и улучшить наше понимание подструктур тканей», — сказал Чжан Шихуа, эксперт по машинному обучению и вычислительной биологии, а также ведущий автор исследования.
Теги: биотехнологии, ИИ