比原始分辨率高36倍，北航、清华团队用AI在多空间组学平台上高分辨率表征组织，登Nature子刊

1. 引言

空间组学已扩展了分子类别分析的范围，但许多技术受到空间分辨率的限制。现有计算方法主要针对转录组学数据，缺乏对新兴空间组学技术的适应性。

2. soScope 框架

北京航空航天大学和清华大学的研究人员提出了 soScope，这是一个统一的生成框架，旨在提高空间组学数据的质量和分辨率。

3. 技术原理

soScope 汇总来自组学、空间关系和图像的多模态组织信息。通过分布先验与组学特定建模的联合推断，输出具有增强分辨率的组学谱。

4. 性能评估

soScope 在 Visium、Xenium、spatial-CUT&Tag、slide-DNA/RNA-seq 等平台上的评估结果表明：

• 提高了肠道和肾脏结构识别的性能
• 揭示了胚胎心脏的精细结构
• 纠正了样本和技术偏差

5. 扩展应用

soScope 已扩展到 spatial-CITE-seq 和空间 ATAC-RNA-seq，利用跨组学参考进行多组学增强。

6. 结论

soScope 提供了一种多功能工具，提高了空间组学技术和资源的利用率。

7. 参考

该研究已于 2024 年 8 月 2 日以「Tissue characterization at an enhanced resolution across spatial omics platforms with deep generative model」为题发表在《Nature Communications》。

组织是由具有不同分子状态和空间组织的细胞构成的。空间组学技术近年来取得了显著进展，可以在保持空间背景的同时，对各种分子类别进行空间分析。

挑战和解决方案

尽管取得了早期成功，但空间组学技术仍面临两个主要挑战：

1. 冷冻或福尔马林固定的组织可能影响分子状态，降低测序准确性。
2. 大多数技术的空间分辨率有限，难以揭示组织结构的细微异质性。

计算技术可以改善空间组学数据的分辨率，但目前的方法大多仅针对单一组织模态，难以充分利用多模态信息。

soScope：提高空间分辨率和数据质量

北航和清华的研究团队引入了空间组学范围（soScope），这是一个完全生成的框架，它模拟来自不同空间组学技术的点级概况的生成过程，旨在提高它们的空间分辨率和数据质量。

soScope将每个点视为增强空间分辨率的“子点”的集合，其组学特征与空间位置和形态模式相关。然后，soScope使用多模态深度学习框架整合斑点组学概况、空间关系和高分辨率形态学图像，并联合推断子斑点分辨率下的组学概况。通过选择组学特定分布，soScope可以对不同的空间组学数据进行精确建模和减少变异。

soScope 特点：

1. 统一工具，结合多模态组织图谱
2. 增强组学图谱（不同分子类别）
3. 提高空间分辨率
4. 减少不必要变化
5. 表征复杂组织结构（原始分辨率下无法检测）

   

   图示：对来自多种组织和平台的空间转录组学数据集上的 soScope 进行评估。（来源：论文）

该团队广泛评估了 soScope 对通过多种空间技术分析的多种分子类型的有效性和普遍性，包括 Visium、Xenium、spatial-CUT&Tag、slide-DNA-seq、slide-RNA-seq、spatial-CITE-seq 和 spatial ATAC-RNA-seq。

在健康和患病组织中，soScope 改进了组织域识别，提高了已知标记的可区分性，并纠正了数据和技术偏差。该方法能够揭示比原始分辨率高出 36 倍的更精细的组织结构。它可以有效地适应空间多组学数据，以同时增强多组学概况。

研究人员注意到，有几种基于成像的空间组学技术，例如 seqFISH、STARmap 和 MERFISH，它们可以直接实现单细胞分辨率的空间分析，但代价是组学通量较低和组织区域较小。虽然 soScope 为预先指定的亚点或细胞位置提供了增强的配置文件，但它可能无法达到亚细胞分辨率。

进一步提高分辨率：

• 修改 soScope，包含来自同一组织的配对单细胞组学数据，为亚点推断提供更高分辨率信息。
• 整合 H&E 图像作为输入，人类专家在某些临床研究中可以轻松对其进行注释。
• 修改 soScope，整合人类标签并以半监督方式指导后验推理，改进潜在表征和概况学习。

降低计算成本：

对于包含来自同一器官的多个连续切片的较大数据集，soScope 可以：

• 在部分数据上进行训练。
• 应用于其余组织切片。

潜力：

随着空间组学数据资源的不断扩展和新空间技术的出现，研究人员相信 soScope 具有以下潜力：

• 多功能工具。
• 充分利用空间组学数据。
• 增强科学家对复杂组织结构和生物过程的理解。

论文链接：
https://www.nature.com/articles/s41467-024-50837-5

以上就是比原始分辨率高36倍，北航、清华团队用AI在多空间组学平台上高分辨率表征组织，登Nature子刊的详细内容，更多请关注php中文网其它相关文章！