跳到主要内容
检索

# 空间转录组学

26 篇关联报道

订阅更新
  1. bioRxiv

    细胞体外的RNA不再当噪声丢弃:SCOUBI在小鼠脑内标出轴突-树突交汇位点

    空间转录组数据中大量落在分割细胞体之外的RNA通常被分析流程丢弃,而神经元mRNA本可被运送到远离胞体的轴突和树突。SCOUBI把这类细胞体外空间切成小格,用已知轴突、树突标记基因训练一个浅层神经网络,同时要求相邻的轴突格与树突格之间出现显著的配体-受体共表达,再把两类格子汇聚且配体-受体共定位的位点定义为“界面”。在小鼠半脑Xenium数据上,它给出与已知神经解剖组织相符的轴突、树突与界面图谱,界面转录组富集突触相关基因,并在多个独立样本和两种成像平台上重现。

  2. bioRxiv

    肝脏衰老细胞不再只按标志基因清单读:空间因果模型把上游应激与下游基质沉积连成回路

    在11份人肝Visium空间转录组样本上,研究者把两种有正确性保证的因果发现算法扩展到空间数据,得到BOSSsrsi与LGLsrsi两套模型,分别给出224个和38个直接上游基因、659个和53个直接下游基因。这些基因与SenMayo、SenUMN标志清单重叠有限,最大重叠是SenMayo覆盖BOSSsrsi上游列表的13.4%。对BOSSsrsi列表的通路分析把衰老相关信号描述为整合细胞应激输入与免疫反应、驱动整合素介导的TGF-β激活与持续基质沉积的自我维持回路。

  3. arXiv

    组织切片直接读出千基因表达:GeneFlow把推理算力压到0.31 GFLOPs

    从H&E染色组织图像推断空间基因表达,此前方法多依赖复杂架构与多阶段流程,且通常只覆盖约200个基因的固定面板。GeneFlow把流匹配生成模型与组织学、基因两路分词器结合,直接预测每个空间位点的表达谱,在四个公开数据集上取得最高PCC,PRAD的PCC-1000提升17.1%,可训练模块仅0.31 GFLOPs、单样本采样0.61秒。

  4. bioRxiv

    空间转录组不再只交换细胞级表示:SpaAxFormer保留每个基因的状态,DLPFC插补L1低于Impeller

    空间转录组模型通常只在细胞或斑点之间交换表示,基因信息随表达谱附带进入。SpaAxFormer把每个细胞–基因条目保留为独立状态,先在细胞内让基因互相参照,再按同一基因在空间邻居间交换信息,另设一个细胞级汇总表示。在六个DLPFC切片上,其基因表达插补的平均L1距离均低于Impeller,例如切片151510为0.239对0.254;在Stereo-seq与Slide-seq V2上,Impeller的平均L1与RMSE更低。

  5. arXiv

    病理基础模型直接读H&E预测单细胞表达会失准,轻量适配把5K基因面板相关系数从0.065提到0.174

    病理基础模型在H&E图像上做单细胞空间基因表达预测时,冻结的图块级嵌入迁移效果很差:在5K基因面板上,平均逐基因皮尔逊相关系数从伪点级的0.375降到单细胞级的0.065。一组面向单细胞的轻量适配——细胞局部token池化、40倍视野输入、泊松计数监督和LoRA微调——把同一面板的相关系数提升到0.174,并在5K面板上以0.800的AUROC超过SpatialEx的0.642。提升主要来自空间可变基因和疾病相关基因,全面板的绝对相关仍偏低。

  6. 细胞多模态基础模型不再只求对齐:新指标显示,只有跨模态互补才值得融合

    细胞多模态基础模型通常冻结各模态编码器,只训练一个融合接口,但融合是否真的带来单模态之外的信息一直缺少判据。研究者提出协同信息分数(SIS),以线性探针下融合表示相对最强单模态表示的性能增益来度量可及协同。在肺、胸腺、乳腺三套空间转录组数据上,冗余主导的任务里单模态基线已足够,而分辨率不匹配的胸腺任务中非谱融合方法取得更高SIS。

  7. bioRxiv

    组织切片里的蛋白不必都靠抗体测:MorphoProt用RNA引导多尺度H&E,在三组织留出切片上超过SPRINT

    空间转录组测了RNA却常常没有配套蛋白测量,而蛋白丰度并不能由RNA完全反映。MorphoProt把每个位点的RNA表达当作查询,对五个尺度的H&E视野做交叉注意力,再经物理邻域与转录组邻域两路门控聚合,联合解码整套蛋白面板。在人扁桃体、小鼠脾和人肝的留出切片上,其平均逐蛋白Spearman相关分别为0.652、0.604和0.372,三种组织均高于仅RNA、图方法和HIPI、SPRINT等对照。

  8. arXiv

    时空转录组快照不再对齐:stMIND把表达漂移拆成局部与非局部,锁定蝾螈脑再生10–15天转折

    时空转录组测序是破坏性的,每个时间点测到的是互不对应的细胞快照,中间轨迹和跨尺度细胞间相互作用因此看不到。stMIND把每个细胞的表达漂移拆成细胞内在程序、半径内基于相对表达差与空间几何的局部图差分算子、以及半径外按质量加权的非局部平均场注意力,并让邻域随细胞迁移共同演化。在蝾螈端脑再生与斑马鱼胚胎发生基准上,它取得最高的基因表达预测精度、解剖一致性与空间连贯性;消融显示局部与非局部算子缺一不可,并据此定位到损伤后10–15天的再生转折窗口。

  9. arXiv

    Paper2Bench 把已发表论文变成可审计考题:最佳智能体在80%任务上追平或超过全部基线

    空间转录组切片对齐缺少可审计的智能体评测,Paper2Bench 把两篇已发表的对齐基准研究转成121个可执行任务,让智能体在隐藏真值的容器里作答,并用同一评分器重跑16种已发表基线。在121个任务上,最佳智能体(GPT-6-Astra 与 Gemini-4-Argon)在80%的任务上追平或超过全部基线;把智能体解法蒸馏成独立程序后,在留出任务上超过87%的基线。

  10. bioRxiv

    SVC把每个基因的胞内分布当成图像块:用同一细胞的其他基因作上下文,预测未测转录本的亚细胞位置

    亚细胞分辨率空间转录组能测到转录本在细胞内的位置,但此前的方法多针对单一分析任务,缺少在细胞类型与组织环境中统一刻画并预测基因胞内定位的框架。SVC 把每个基因在细胞内的空间表达当作一张图像块,用同一细胞的其他基因作为上下文,以自监督掩码方式学习跨基因的空间依赖。在 seqFISH+ 小鼠胚胎成纤维细胞数据上,SVC 对未测基因的亚细胞模式预测在六项指标上均优于四个图像基线,相对更具挑战性的基线组中位提升为 5.2%–21.0%。