比原始解析度高36倍，北航、清華團隊用AI在多空間組學平台上高解析度表徵組織，登Nature子刊

空間組學資料增強框架 soScope

1. 引言

空間組學已擴展了分子類別分析的範圍，但許多技術受到空間分辨率的限制。現有計算方法主要針對轉錄組學數據，缺乏對新興空間組學技術的適應性。

2. soScope 框架

北京航空航天大學和清華大學的研究人員提出了 soScope，這是一個統一的生成框架，旨在提高空間組學數據的質量和分辨率。

3. 技術原理

soScope 匯總來自組學、空間關係和圖像的多模態組織資訊。透過分佈先驗與組學特定建模的聯合推斷，輸出具有增強分辨率的組學譜。

4. 性能評估

soScope 在Visium、Xenium、spatial-CUT&Tag、slide-DNA/RNA-seq 等平台上的評估結果表明：

• 提高了腸道和腎臟結構識別的性能
揭示了胚胎心臟的精細結構
• 糾正了樣本和技術偏差

5. 擴展應用

soScope 已擴展到spatial-CITE-seq 和空間ATAC-RNA-seq，利用跨組學參考組學增強。

6. 結論

soScope 提供了一種多功能工具，提高了空間組學技術和資源的利用率。

7. 參考

該研究已於 2024 年 8 月 2 日以「Tissue characterization at an enhanced resolution across spatial omics platforms with deep deep 捲髮為問題」發表。

組織空間組學技術組織是由具有不同分子狀態和空間組織的細胞構成的。空間組學技術近年來取得了顯著進展，可以在保持空間背景的同時，對各種分子類別進行空間分析。

挑戰和解決方案

儘管取得了早期成功，但空間組學技術仍面臨兩個主要挑戰：

冷凍或福爾馬林固定的組織可能影響分子狀態，降低定序準確性。
1. 大多數技術的空間解析度有限，難以揭示組織結構的細微異質性。

計算技術可以改善空間組學資料的分辨率，但目前的方法大多僅針對單一組織模態，難以充分利用多模態資訊。

soScope：提高空間分辨率和數據品質

北航和清華的研究團隊引入了空間組學範圍（soScope），這是一個完全生成的框架，它模擬來自不同空間組學技術的點級概況的生成過程，旨在提高它們的空間解析度和資料品質。

soScope將每個點視為增強空間分辨率的「子點」的集合，其組學特徵與空間位置和形態模式相關。然後，soScope使用多模態深度學習框架整合斑點組學概況、空間關係和高分辨率形態學圖像，並聯合推斷子斑點分辨率下的組學概況。透過選擇組學特定分佈，soScope可以對不同的空間組學資料進行精確建模和減少變異。

圖示： soScope 及其應用的概述。 （資料來源：論文）

soScope 特點：

統一工具，結合多模態組織圖譜
1. 增強組學圖譜（不同分子類別）
2. 提高空間分辨率表徵複雜組織結構（原始解析度下無法偵測）
4. 圖示：對來自多種組織和平台的空間轉錄組學資料集上的soScope 進行評估。 （資料來源：論文）

5. 該團隊廣泛評估了soScope 對多種太空技術分析的多種分子類型的有效性和普遍性，包括Visium、Xenium、spatial-CUT&Tag、slide-DNA-seq、slide- RNA-seq、spatial-CITE-seq 和spatial ATAC-RNA-seq。

   在健康和患病組織中，soScope 改進了組織域識別，提高了已知標記的可區分性，並糾正了數據和技術偏差。該方法能夠揭示比原始解析度高出 36 倍的更精細的組織結構。它可以有效地適應空間多組學數據，以同時增強多組學概況。

研究人員注意到，有幾種基於成像的空間組學技術，例如seqFISH、STARmap 和MERFISH，它們可以直接實現單細胞分辨率的空間分析，但代價是組學通量較低和組織區域較小。雖然 soScope 為預先指定的亞點或細胞位置提供了增強的配置文件，但它可能無法達到亞細胞分辨率。



圖示：使用空間 CITE-seq 將多組學 soScope 應用於來自人體皮膚組織的空間蛋白質 + 轉錄資料集。 （資料來源：論文）

進一步提高解析度：

• 修改 soScope，包含來自同一組織的配對單細胞組學數據，為亞點推斷提供更高解析度資訊。
• 整合 H&E 影像作為輸入，人類專家在某些臨床研究中可以輕鬆對其進行註釋。
• 修改 soScope，整合人類標籤並以半監督方式指導後驗推理，改進潛​​在表徵和概況學習。

降低計算成本：

對於包含來自同一器官的多個連續切片的較大數據集，soScope 可以：

• 在部分數據上進行訓練。
• 應用於其餘組織切片。

潛力：

隨著空間組學資料資源的不斷擴展和新空間技術的出現，研究人員相信 soScope 具有以下潛力：

• 多功能工具。
• 充分利用空間組學資料。
• 增強科學家對複雜組織結構和生物過程的理解。

論文連結：
https://www.nature.com/articles/s41467-024-50837-5

以上是比原始解析度高36倍，北航、清華團隊用AI在多空間組學平台上高解析度表徵組織，登Nature子刊的詳細內容。更多資訊請關注PHP中文網其他相關文章！