BT × IT | DeepST：通过深度学习识别空间转录组学中的空间域

识别空间域（即在基因表达和组织学上具有空间相关性的区域）是空间转录组学中最重要的课题之一。近日，《Nucleic Acids Research》发表了一个准确且通用的深度学习框架：DeepST，用于识别空间域。

DeepST是什么？

DeepST是一个可定制的ST深度学习框架，可以准确识别空间域。DeepST使用预先训练好的深度神经网络模型从形态学图像块中提取特征向量，然后将提取的特征与基因表达和空间位置数据整合，以表征空间相邻点的相关性，并创建空间增强的基因表达矩阵。DeepST使用图神经网络（GNN）自动编码器和去噪自动编码器联合生成增强ST数据的潜在表示，而域对抗神经网络（DAN）用于整合来自多个批次或不同技术的ST数据。

DeepST算法工作流程

（A） DeepST工作流程从ST数据开始，以苏木精和伊红（H&E）染色（可选）、空间坐标和空间基因表达作为输入。（B） DeepST最初使用H&