知识积累---Graph Fourier transform用于复杂器官的空间组学表征和分析

追风少年ii

于 2024-08-30 13:07:01 发布

阅读量171

点赞数 4

文章标签：空间数据分析傅里叶变换

本文链接：https://blog.csdn.net/weixin_53637133/article/details/141715480

版权

空间组学技术在细胞和亚细胞分辨率上破译复杂器官的功能成分。
空间图傅里叶变换(SpaGFT)，将图信号处理应用于广泛的空间组学分析平台。
空间组学的进步提供了对原生组织微环境中的分子景观的全面视图，包括基因组、转录组、微生物组、T细胞受体(TCR)、表观基因组、蛋白质组、转录组-蛋白质标记共谱和表观基因组-转录组共谱。

1、以细胞为中心的方法包括识别具有一致基因表达和组织学的空间域，研究特定域内的细胞组成和邻近区域，以及理解细胞间机制
2、以基因为中心的方法通过输入基因表达和识别空间可变基因(SVG) 来表征FTUs，与以细胞为中心的方法高度互补。

基于图的方法提供了一种强大的分析能力，可以有效地编码和利用空间组学数据表示中组织内的空间关系。
假设FTU可以直观地看作是一个图;其节点表示spot或细胞，边缘连接空间相邻或功能相关的节点。在FTU的这种表示中，二值图信号(例如0,1)在每个节点上表示离散的两态信息，细胞或亚细胞组成或组学特征(例如基因)构成连续的图信号，在图的节点上编码一系列值。这些图信号定义了FTU的特征，连接了以细胞为中心和以基因为中心的分析，并通过生成一个图嵌入来协调图结构和信号大小，从而提供相互的可解释性。
因此，需要一个具有坚实数学基础的通用图信号表示框架，以揭示分子特征与FTU之间的复杂关系，跨越多个空间组学数据分辨率。
空间图傅里叶变换(SpaGFT)，这是一种分析特征表示方法，用于编码平滑图信号，以表示组织和细胞内的生物过程。它连接了图形信号处理技术和空间组学数据，使各种下游分析和促进有见地的生物学发现成为可能。

将当前的空间分辨组学总结为与节点粒度相关的三种类型的空间图，范围从亚细胞水平(即像素级)到更广泛的细胞水平(即细胞水平)和基于空间分辨率的多细胞尺度(即spot水平)。这种粒度可以从亚细胞级别到更广泛的细胞和多细胞级别。例如，基于空间解析转录组学(SRT)数据集的空间图，特定基因的转录组谱是一个图形信号，可以用其傅立叶模式(FMs, Terminology Box)的线性组合来表示。具体来说，低频调频有助于图形信号的低而平滑变化，代表空间组织模式，而高频调频有助于图形信号的快速变化，通常指空间组学数据中的噪声。例如，如果一个基因在SRT数据中表现出空间组织模式，那么相应的低频FMs的傅立叶系数(FCs)在图的傅立叶表示中比高频FMs的FCs更占优势。值得注意的是，FMs与图形结构相关联，并且不假设任何预定义的模式，从而确保了在表示定义良好和不规则的空间信号模式时的灵活性。