2022年3月,来自同济大学的科研团队在《Nucleic acids research》发表了一种基于主题模型的空间转录组学去卷积方法:STRIDE,通过机器学习方法及数据整合,将空间转录组学数据提升至单细胞精度。
STRIDE是什么?
STRIDE是一种基于主题模型的去卷积方法,通过与匹配的scRNA-seq整合用于空间转录组学分析。STRIDE首先通过进行主题建模从注释的单细胞转录组中发现细胞类型相关的主题。然后,STRIDE应用预先训练好的主题模型来推断空间转录组中每个位置的细胞类型组成。
STRIDE 工作流程的示意图
首先,STRIDE估计来自scRNA-seq的基因-主题分布和主题-细胞分布。然后通过贝叶斯定理将逐个主题的分布总结为逐个主题的细胞类型分布。接下来,应用预训练的主题模型来推断空间转录组学中每个位置的主题分布。通过结合细胞类型-主题分布和主题-位置分布,可以推断每个空间位置的细胞类型比例。STRIDE还提供多种下游分析功能,包括特征检测和可视化、空间域识别和从同一组织的连续ST切片重建空间结构。
STRIDE的性能测试
开发团队通过使用模拟的空间转录组数据,验证