普林斯顿大学开发空间转录组学新算法GASTON

• 全文链接

关键词：

来源：

Nature Methods

全文链接：

//agri.nais.net.cn/topic/downloadFile/7bc36fb2-7aef-41b8-9b41-c1bfe55bd2d2

来源地址：

https://doi.org/10.1038/s41592-024-02503-3

资源所属：

农业生物技术专题

类型：

学术文献

语种：

英语

原文发布日期：

2025-01-23

摘要：

2025年1月23日，普林斯顿大学Sereno Lopez-Darwin 与 Benjamin J.研究团队在Nature Methods发表题为“Mapping the topography of spatial gene expression with interpretable deep learning”研究论文，团队开发了一种全新的深度学习算法——GASTON（Gradient Analysis of Spatial Transcriptomics Organization with Neural networks）。GASTON通过结合无监督的深度神经网络与可解释性算法，创新性地提出了“等深度”（Isodepth）的概念，这一概念类似于地形图中的海拔高度，用于量化组织切片中的基因表达空间拓扑结构。通过等深度及其梯度，研究人员不仅能够分割组织的不同空间区域，还能识别组织内基因表达的连续变化趋势和关键标志基因。该研究展示了GASTON在多种生物样本中的成功应用，包括小鼠大脑、小鼠嗅球、结直肠癌肿瘤微环境等。结果表明，GASTON可以准确解析组织结构，揭示细胞类型的空间分布与变化规律，同时挖掘出许多在其他方法中被忽视的空间基因表达模式。这些发现为疾病机制的深入研究、药物靶点的识别，以及未来的精准医疗提供了宝贵的数据支持。