CCST：基于图神经网络对空间转录组数据进行聚类分析

空间转录组学数据可以同时提供高通量基因表达谱和组织的空间结构。6月27日《Nature Computational Science》发表了一种基于图卷积网络（GCNs）的细胞聚类方法：CCST，这是一种基于GCNs的无监督细胞聚类方法，用于改进从头计算的细胞聚类和基于手动整理细胞类别注释的细胞亚型发现。

CCST是什么？

CCST是一种基于GCNs的细胞聚类方法，其可以结合空间基因表达数据中单个细胞的基因表达和复杂的全局空间信息。开发团队扩展了无监督节点嵌入方法Deep Graph Infomax（DGI），并开发了CCST，以从空间单细胞表达数据中发现细胞亚群。

用于细胞亚群发现的 CCST 工作流程

1) 以单细胞位置和基因表达信息作为输入，CCST首先将空间数据编码为两个矩阵。一个是基于细胞邻域的混合邻接矩阵，其中一个超参数λ用于平衡细胞内（基因）和细胞外（空间）信息（方法），而另一个是单细胞基因表达谱