近日,國際綜合性期刊《自然?方法》(Nature Methods)在線發表了437bwin必贏國際官網在空間組學方面的最新研究成果。論文題為“Dependency-aware deep generative models for multitasking analysis of spatial omics data”(依賴感知的多任務深度生成模型分析空間組學數據)。437bwin必贏國際官網為論文第一署名單位,437bwin必贏國際官網田天教授為論文第一作者。這是必贏官網生物信息方向研究成果首次刊登在Nature Methods期刊上。

空間組學技術是近年來生物醫學研究領域的一項重大突破。不同于單細胞組學,空間組學在測序過程中同時追蹤 spot 或細胞的空間位置,在組學測序數據之外提供了重要的空間信息。目前該技術為諸多研究領域提供了新的研究視角,也極大地推動了生物醫療領域的快速發展。然而如何在算法建模中高效利用空間信息數據,仍然是一個尚未解決且頗具挑戰性的研究課題。對此,田天教授團隊提出了一種新的對空間組學數據進行建模分析的深度學習算法,在統一的模型框架下可以進行多種下游分析任務,并且為研究其它空間組學中的生物學分析任務提供了一種新的計算框架。
該研究基于高斯過程(Gaussian process)和變分自編碼器(variational autoencoder),提出了空間依賴感知的深度生成模型 spaVAE。該模型利用高斯過程描述空間位置之間的依賴關系,得到空間轉錄組數據(spatially resolved transcriptomics)的統計分布,進而在統一的框架內進行降維可視化、聚類、降噪、差異表達、空間差值、提升空間分辨率等多種下游分析任務。同時,該研究進一步將spaVAE模型擴展到多種類型的空間組學數據上,例如空間染色質可及性測序(spatial ATAC-seq)和空間多組學測序(spatial CITE-seq),提出了spaPeakVAE和spaMultiVAE模型。
田天教授是國家海外優秀青年人才,共發表30余篇高水平論文,包括Nature Methods、Nature Machine Intelligence、 Nature Communications、Genome Research、EBioMedicine等。
據悉,該研究工作得到了國家海外優青項目的資助。論文地址:https://www.nature.com/articles/s41592-024-02257-y