空间转录组技术生成具有空间背景的基因表达谱,需要空间信息分析工具来完成三个关键任务:空间聚类、多样本整合和细胞类型去卷积。近日,《Nature Communications》发表了一种图自我监督的对比学习方法:GraphST,其充分利用空间转录组学数据,以优于现有方法。
GraphST是什么?
GraphST是一种图自我监督对比学习方法,它充分利用空间信息和基因表达谱进行空间信息聚类、整合和细胞类型去卷积。通过在GraphST中使用自我监督对比学习,发现它提高了学习下游分析的相关潜在特征的性能。
GraphST包括三个模块,每个模块都具有分别针对三个任务定制的图形自我监督对比学习架构:空间信息聚类(上图A)、多个组织切片的垂直和水平批量集成(上图 B),以及通过向ST投影scRNA-seq来进行空间细胞类型去卷积(上图C)。在所有三个模块中,利用空间转录组学数据集的空间信息来构建邻域图,其中空间上彼此接近的点被连接起来。接下来,构建图卷积网络作为编