登 Cell 子刊！清华大学张强锋课题组开发 SPACE 算法，组织模块发现能力领先同类工具

AIGC动态欢迎阅读

原标题：登 Cell 子刊！清华大学张强锋课题组开发 SPACE 算法，组织模块发现能力领先同类工具
关键字：细胞,数据,空间,转录,基因
文章来源：HyperAI超神经
内容字数：0字

内容摘要：

作者：梅菜
编辑：三羊，李宝珠
清华大学生命科学学院/结构生物学高精尖创新中心/清华-北大生命科学联合中心张强锋副教授课题组开发了基于图自编码器深度学习框架的人工智能算法 SPACE。多细胞生物中的细胞尽管共享相同的基因组，但因其内部基因调控网络的差异以及与周围微环境中相邻细胞的外部信号交流，使得它们在形态、基因表达和功能上展现出显著的多样性。为了将细胞类型信息与其在组织内的空间位置相关联，空间转录组学 (Spatial Transcriptomics，简称 ST) 技术应运而生。该技术既能获得高分辨率的转录组数据，还能和位置信息相对应，确定不同细胞亚型或转录状态在空间上的分布和位置关系，对于重新认知生命结构、个体发育、生命演化以及定义疾病具有关键性作用。
近年来，随着空间转录组学技术的不断发展，研究者能够在单细胞分辨率下获得细胞的基因表达谱，同时保留细胞在组织内的空间位置信息。如何有效地利用这些空间信息来识别空间细胞亚型并发现组织模块，成为空间转录组数据分析的核心任务。
当前，空间转录组数据分析面临以下两方面难题：第一，对于空间细胞类型的识别，许多研究仅使用细胞基因表达谱而忽视细胞的

原文链接：登 Cell 子刊！清华大学张强锋课题组开发 SPACE 算法，组织模块发现能力领先同类工具

联系作者

文章来源：HyperAI超神经
作者微信：HyperAI
作者简介：解构技术先进性与普适性，报道更前沿的 AIforScience 案例