發(fā)布時間：2026-02-02
合作開發(fā)面向大規(guī)模異質(zhì)性空間轉(zhuǎn)錄組學(xué)切片的表征與空間特征解析方法PASSAGE
該研究創(chuàng)新性地將整張切片作為計算建模的對象，提出了切片級別嵌入（slice-levelembedding）的深度學(xué)習(xí)算法PASSAGE，有效地增強了算法的計算效率和可擴展性，可應(yīng)用到大規(guī)模異質(zhì)性空間轉(zhuǎn)錄組學(xué)數(shù)據(jù)的表型關(guān)聯(lián)空間特征識別。在乳腺癌、鱗狀細胞癌等跨平臺（ST/Visium）數(shù)據(jù)測試中，成功消除批次效應(yīng)并精準(zhǔn)識別腫瘤區(qū)域，其發(fā)現(xiàn)的乳腺癌相關(guān)基因集與既往研究高度吻合，驗證了模型的生物學(xué)解釋性。PASSAGE框架通過系統(tǒng)性整合多尺度數(shù)據(jù)，有望發(fā)展為空間轉(zhuǎn)錄組學(xué)的基礎(chǔ)性AI模型，助力精準(zhǔn)醫(yī)學(xué)研究。相關(guān)成果于2025年2月4日發(fā)表在Small Methods。
附件下載：
