相信許多做生物信息學(xué)的童鞋來(lái)說(shuō)，空間轉(zhuǎn)錄組是最近很火的技術(shù)，但是不知道大家發(fā)現(xiàn)了沒(méi)有狡汉，我們做空間的分析對(duì)于空間位置信息利用的很少，大多數(shù)情況我們就是把很多單細(xì)胞的分析方法映射于空間闽颇，從生物學(xué)的角度看盾戴， 當(dāng)然是沒(méi)有問(wèn)題的，但是讓我們放寬思路兵多，不僅僅局限于生物信息層面尖啡，這就是我們接下來(lái)分享的技術(shù)CNNs.
首先我們來(lái)看看什么是CNNs
卷積神經(jīng)網(wǎng)絡(luò)（Convolutinal Neural Networks）是非常強(qiáng)大的一種深度神經(jīng)網(wǎng)絡(luò)，它在圖片的識(shí)別分類(lèi)剩膘、NLP句子分類(lèi)等方面已經(jīng)獲得了巨大的成功衅斩，也被廣泛使用于工業(yè)界，例如谷歌將它用于圖片搜索援雇、亞馬遜將它用于商品推薦等矛渴。
QQ圖片20200908143555.png
在我們?nèi)祟?lèi)眼睛的視野里椎扬，我們看到的圖片是風(fēng)景惫搏，是人物，是一個(gè)地方的展示蚕涤，但是對(duì)于機(jī)器而言筐赔，機(jī)器對(duì)于圖片的識(shí)別就是來(lái)源于像素點(diǎn)，機(jī)器無(wú)法識(shí)別我們?nèi)祟?lèi)識(shí)別的美揖铜，只是把圖片當(dāng)成一個(gè)一個(gè)的數(shù)字來(lái)進(jìn)行存儲(chǔ)茴丰，這兩者的區(qū)別不僅僅在于格式不同，應(yīng)用起來(lái)會(huì)有千差萬(wàn)別。
接下來(lái)我們看看CNNs是如何工作的
QQ圖片20200908144658.png
如同人類(lèi)對(duì)事物的識(shí)別一樣贿肩，CNNs在卷積的過(guò)程中對(duì)圖片進(jìn)行特征提嚷鸵（具體原理很復(fù)雜，需要請(qǐng)教數(shù)學(xué)專(zhuān)業(yè)的大牛）汰规，而我們這里僅需要知道經(jīng)過(guò)卷積汤功，每一個(gè)過(guò)濾器就會(huì)生成一個(gè)維度的圖片，也就是經(jīng)過(guò)一個(gè)過(guò)濾器之后的圖片特征溜哮。
QQ圖片20200908145110.png
接下來(lái)的步驟對(duì)于小白的我來(lái)說(shuō)滔金，有點(diǎn)難以理解，不過(guò)好在數(shù)學(xué)家們將這樣的方法很好的封裝了起來(lái)茂嗓，對(duì)于這樣的技術(shù)餐茵，我們生信人員主要關(guān)注其在10X空間轉(zhuǎn)錄組上的應(yīng)用。
CNNs在空間轉(zhuǎn)錄組上的應(yīng)用
目前的空間轉(zhuǎn)錄組述吸，染色圖片還是HE染色為主忿族，圖像像素強(qiáng)度數(shù)據(jù)包含可用于診斷疾病（例如癌癥分期）的信息特征蝌矛，但是我們?cè)诜治龅倪^(guò)程主要是運(yùn)用空間的基因表達(dá)數(shù)據(jù)情況肠阱，很好對(duì)空間的圖片進(jìn)行深入的研究（畢竟我們不是計(jì)算機(jī)專(zhuān)業(yè)的嘛~），但是忽略這樣的信息就導(dǎo)致我們走向了一個(gè)極端朴读，過(guò)分的關(guān)注基因表達(dá)及空間分布屹徘，但是在非單細(xì)胞分辨率的前提下，這樣的分析有些片面衅金，沒(méi)有與病理學(xué)的圖片相結(jié)合噪伊，（另一個(gè)極端就是病理學(xué)醫(yī)生通過(guò)圖片診斷，依據(jù)經(jīng)驗(yàn)來(lái)判斷病理學(xué)特征）氮唯，而CNNs,可以將圖片的信息數(shù)字化鉴吹，以此來(lái)彌補(bǔ)分析上的不足。
話(huà)不多說(shuō)惩琉，我們來(lái)看應(yīng)用
QQ圖片20200908150358.png
從圖片上解釋?zhuān)粋€(gè)基因作為一個(gè)過(guò)濾器豆励，由此提取到該基因的過(guò)濾特征，有250個(gè)基因瞒渠，就會(huì)有250個(gè)過(guò)濾后的圖片深度良蒸，基于這樣的機(jī)器學(xué)習(xí)，我們就可以來(lái)預(yù)測(cè)新的圖片的特征伍玖。
例如這里的預(yù)測(cè)空間基因的表達(dá)特征嫩痰，不需要進(jìn)行測(cè)序的前提下就可以預(yù)測(cè)。
QQ圖片20200908152120.png
事先對(duì)腫瘤特征的細(xì)胞進(jìn)行機(jī)器學(xué)習(xí)的話(huà)窍箍，那我們就可以對(duì)新的腫瘤圖片進(jìn)行疾病細(xì)胞的預(yù)測(cè)串纺，這樣的預(yù)測(cè)對(duì)于生物學(xué)研究很有意義丽旅。
在這里我就不過(guò)多的解釋了，把文獻(xiàn)的鏈接給大家纺棺，如果對(duì)于這部分內(nèi)容想深入學(xué)習(xí)的話(huà)榄笙，請(qǐng)“保持憤怒，讓王多魚(yú)傾家蕩產(chǎn)~~~”祷蝌。
SpaCell: integrating tissue morphology and spatialgene expression to predict disease cells
Integrating spatial gene expression and breast tumour morphology via deep learning
另外推薦一個(gè)研究空間信息很專(zhuān)業(yè)的R包spatstat办斑，總之一句話(huà)，空間位置信息很重要杆逗，我們需要更多的手段來(lái)解讀這個(gè)信息乡翅。還是那句話(huà)，請(qǐng)“保持憤怒罪郊，讓王多魚(yú)傾家蕩產(chǎn)~~~”蠕蚜。
