昨天小編已經(jīng)給大家介紹了三個(gè)利用神經(jīng)網(wǎng)絡(luò)進(jìn)行空間轉(zhuǎn)錄組分析的方法，今天再追加一個(gè)基于圖形的卷積網(wǎng)絡(luò)對(duì)空間轉(zhuǎn)錄組數(shù)據(jù)進(jìn)行去卷積的新方法：DSTG放刨。
最近發(fā)展的空間轉(zhuǎn)錄組學(xué)（ST）能夠?qū)⒔M織切片中不同點(diǎn)的空間信息與每個(gè)spots內(nèi)細(xì)胞的RNA豐度聯(lián)系起來致板，這對(duì)了解組織細(xì)胞結(jié)構(gòu)和功能尤為重要。然而，對(duì)于這樣的ST數(shù)據(jù)夹孔，由于一個(gè)spot通常比單個(gè)細(xì)胞大办陷，在每個(gè)spot測量的基因表達(dá)是來自具有異質(zhì)細(xì)胞類型的混合細(xì)胞。因此炸枣，需要對(duì)每個(gè)spot的ST數(shù)據(jù)進(jìn)行拆分虏等，以揭示該空間spot的細(xì)胞組成。
DSTG是什么适肠？
研究團(tuán)隊(duì)提出了一種新的基于圖形的人工智能方法即DSTG霍衫，通過基于圖形的卷積網(wǎng)絡(luò)對(duì)ST數(shù)據(jù)進(jìn)行去卷積。DSTG可利用scRNA-seq數(shù)據(jù)揭示ST數(shù)據(jù)中的細(xì)胞混合物侯养。
研究團(tuán)隊(duì)假設(shè)在一個(gè)spot上捕獲的基因表達(dá)是由位于該spot上的細(xì)胞混合物貢獻(xiàn)的敦跌。其策略是使用scRNA-seq衍生的合成ST數(shù)據(jù)，稱為 "pseudo-ST"逛揩，通過半監(jiān)督學(xué)習(xí)預(yù)測real-ST數(shù)據(jù)中的細(xì)胞組成柠傍。
首先，DSTG從scRNA-seq數(shù)據(jù)構(gòu)建合成pseudo-ST數(shù)據(jù)辩稽。DSTG使用共享鄰近算法學(xué)習(xí)pseudo-ST數(shù)據(jù)和real-ST數(shù)據(jù)的spot映射鏈接圖惧笛，鏈接圖捕獲spot之間的內(nèi)在拓?fù)湎嗨菩裕seudo-ST和real-ST數(shù)據(jù)合并到同一個(gè)圖中進(jìn)行學(xué)習(xí)逞泄。然后患整，基于鏈接圖，使用半監(jiān)督圖卷積網(wǎng)絡(luò)（GCN）學(xué)習(xí)局部圖結(jié)構(gòu)和基因表達(dá)模式的潛在表示喷众，以解釋spot的各種細(xì)胞組成各谚。
DSTG的性能評(píng)估
DSTG不僅在不同技術(shù)生成的合成空間數(shù)據(jù)上表現(xiàn)出優(yōu)異的性能，而且還有效地識(shí)別了小鼠皮層侮腹、海馬切片和胰腺腫瘤組織中細(xì)胞的空間組成：通過對(duì)從外周血單核細(xì)胞（PBMC）和其他組織生成的合成數(shù)據(jù)進(jìn)行基準(zhǔn)評(píng)估嘲碧，DSTG在預(yù)測的細(xì)胞混合和實(shí)際的細(xì)胞組成之間顯示了良好的準(zhǔn)確性；同時(shí)父阻，DSTG在復(fù)雜組織(包括小鼠皮層愈涩、海馬和人胰腺腫瘤切片)的ST數(shù)據(jù)上也顯示出與H&E染色觀察高度一致的結(jié)果望抽。
DSTG在基準(zhǔn)測試數(shù)據(jù)集上的性能：研究團(tuán)隊(duì)將DSTG和SPOTlight應(yīng)用于10個(gè)PBMC合成數(shù)據(jù)進(jìn)行比較，結(jié)果表明與SPOTlight相比履婉，DSTG的JSD值較低（平均JSD=0.12）煤篙，說明在不同技術(shù)平臺(tái)生成的PBMC數(shù)據(jù)集上，DSTG的精確度高于SPOTlight毁腿。除PBMC外辑奈，為了檢查DSTG在其他不同組織上的性能，研究團(tuán)隊(duì)納入了來自不同組織和技術(shù)的八個(gè)其他scRNA-seq數(shù)據(jù)已烤，以生成基準(zhǔn)合成數(shù)據(jù)鸠窗。根據(jù)這八個(gè)額外scRNA-seq數(shù)據(jù)的合成數(shù)據(jù)，將DSTG與SPOTlight進(jìn)行比較胯究，使用JSD評(píng)估指標(biāo)稍计，DSTG的預(yù)測結(jié)果仍然優(yōu)于SPOTlight。
此外裕循，研究團(tuán)隊(duì)還利用不同spot數(shù)量臣嚣、庫大小和可變基因的離散合成數(shù)據(jù)驗(yàn)證了DSTG的穩(wěn)定性。
*?JSD是一種度量兩個(gè)概率分布之間相似性的距離指標(biāo)剥哑。JSD值越小硅则，表示兩個(gè)分布之間的相似性越高，因此表示跨點(diǎn)估計(jì)的細(xì)胞類型組成的準(zhǔn)確性越高株婴。
利用scRNA-seq數(shù)據(jù)怎虫，DSTG對(duì)ST數(shù)據(jù)的空間去卷積準(zhǔn)確地重建了小鼠大腦皮層的結(jié)構(gòu)。每個(gè)定位點(diǎn)的識(shí)別的異質(zhì)細(xì)胞比例由各點(diǎn)的餅狀圖顯示督暂，這些異質(zhì)細(xì)胞在皮層區(qū)域的存在得到證實(shí)揪垄，表明DSTG的預(yù)測具有很高的準(zhǔn)確性和敏感性。
DSTG對(duì)ST數(shù)據(jù)的空間分解準(zhǔn)確地識(shí)別了海馬切片內(nèi)的不同細(xì)胞類型逻翁；DSTG還準(zhǔn)確預(yù)測了細(xì)胞類型特異性基因的表達(dá)饥努。
在胰腺導(dǎo)管腺癌（PDAC）數(shù)據(jù)集上，DSTG的結(jié)果與獨(dú)立的組織學(xué)注釋一致八回，證明了其從腫瘤組織的ST數(shù)據(jù)中準(zhǔn)確識(shí)別細(xì)胞成分的能力酷愧。
DSTG為推斷異質(zhì)細(xì)胞亞群之間的功能關(guān)系鋪平了道路，其依據(jù)是它們?cè)诮M織spots中的組成和共定位缠诅。這包括跨越相鄰spots的細(xì)胞間交流溶浴，這為未來以空間分辨率的方式研究完整的相互作用組提供了可能性。此外管引，由于組織的精確組成可能因病人個(gè)體而異士败，未來細(xì)胞亞群的空間組成對(duì)病人有預(yù)后價(jià)值。研究團(tuán)隊(duì)預(yù)計(jì)，使用DSTG的空間去卷積將有助于未來病人的預(yù)后和病理評(píng)估谅将。
文中提到的所有函數(shù)都是作為Python軟件實(shí)現(xiàn)漾狼，可通過Github獲取：https://github.com/Su-informatics-lab/DSTG.??
首發(fā)公號(hào)：國家基因庫大數(shù)據(jù)平臺(tái)
參考文獻(xiàn)
Song Q, Su J. DSTG: deconvoluting spatial transcriptomics data through graph-based artificial intelligence[J]. Briefings in Bioinformatics, 2021.
圖片來源于Briefings in Bioinformatics官網(wǎng)和參考文獻(xiàn)饥臂，如有侵權(quán)請(qǐng)聯(lián)系刪除逊躁。
