欢迎光临
我们一直在努力

PASTA·通路导向的空间转录组基因补全

空间转录组能够在组织空间背景下测量基因表达,但许多平台只能检测预先选择的一部分基因,导致表达覆盖不足。现有基因补全方法通常依赖 scRNA-seq 数据进行预测,但往往只在单基因层面建模,容易产生过度平滑、噪声较高或生物学解释性有限的问题。
    
PASTA(PAthway-oriented Spatial gene impuTAtion) 通过引入生物通路信息、细胞类型信息和空间邻域关系进行联合建模,在通路层面预测缺失基因表达,从而提高补全稳定性并增强生物学解释能力,可用于多种空间转录组数据分析。
 
🔍 主要步骤:
1️⃣数据与信息输入
输入空间转录组数据(ST)、单细胞RNA测序参考数据(scRNA-seq)以及生物通路信息。
2️⃣ 构建 ST–scRNA-seq 映射矩阵
通过计算表达相似性建立 ST spot 与 scRNA-seq 细胞之间的映射关系。模型基于两个核心假设:同一细胞类型具有相似表达模式,空间邻近细胞具有更相似的表达特征,从而在映射过程中同时考虑细胞类型一致性和空间邻域约束。
3️⃣通路驱动的基因表达补全
在模型训练中引入通路信息,将功能相关的多个基因进行聚合,在通路层面进行表达推断。通过借助 scRNA-seq 的全转录组信息预测 ST 中未检测到的基因表达,并得到空间通路表达分布。
 


🚀 优势:
• 更高的准确性与鲁棒性
• 生物可解释性强
• 有效利用先验知识
• 平台与组织普适性
    
参考:Nature Communications, 2026, 17, 726.
github.com/rx-li/PASTA

赞(0)
未经允许不得转载:171主机测评 » PASTA·通路导向的空间转录组基因补全
分享到: 更多 (0)

评论 抢沙发

  • 昵称 (必填)
  • 邮箱 (必填)
  • 网址