人工智能賦能空間轉錄組數據的計算與解析研究獲進展

　　細胞在組織和器官內的空間位置，對其發揮特定功能頗為重要。近年來，快速發展的空間轉錄組（Spatial Transcriptomics）技術能夠同時測量生物組織切片空間位點的基因表達和空間位置信息，為研究人員破譯組織的空間結構，探討周圍環境對細胞基因表達的影響提供了條件。中國科學院數學與系統科學研究院張世華團隊借助人工智能賦能空間轉錄組數據的計算與解析，取得了重要進展，開發了STA-系列工具。2022年，張世華團隊在《自然-通訊》（Nature Communications）上發布了適應于不同空間轉錄組技術、不同生物組織的生物組織空間亞結構識別的人工智能工具——STAGATE（該工作入選2022年度“中國生物信息學十大進展”）。

　　隨著空間轉錄組測序數據的持續積累，整合分析不同條件下產生的數據可以提供單個數據無法獲取的生物學見解。然而，這些不同來源的數據之間會存在不可避免的批次效應。消除批次效應且保留不同批次之間真實存在的生物學差異，是實現數據整合的主要挑戰。盡管目前的單細胞轉錄組數據整合方法可以用于多切片整合，但由于沒有考慮空間信息，聚類結果易受技術噪聲影響，缺乏清晰的空間邊界，且易過度離散。

　　10月12日，張世華課題組在《自然-計算科學》（Nature Computational Science）上，發表了題為Integrating spatial transcriptomics data across different conditions, technologies, and developmental stages的研究論文。該工作針對來自不同技術、不同發育時間點、不同疾病條件的生物組織多切片空間轉錄組數據建立了整合分析新工具——STAligner。《自然-計算科學》主編Fernando Chirigati評論道，“張世華及其同事提出的工具是整合多樣本的一種很有前途的資源，我希望它能幫助研究人員在進行空間轉錄組學分析時發現新的重要生物學見解。” 美國俄亥俄州立大學教授Qin Ma評論道，“這項研究為整合（空間轉錄組）多個樣本提供了一個很有前途的工具，案例研究的數據也很新穎。”

　　空間轉錄組圖譜顯示出顯著的空間表達模式和空間可變基因（Spatially Variable Genes，SVGs）。10月9日，張世華課題組與合作者，在Nucleic Acid Research上，在線發表了題為STAMarker: determining spatial domain-specific variable genes with saliency maps in deep learning的研究文章。該工作開發了基于深度學習顯著圖的空間域特異可變基因識別方法——STAMarker。STAmarker同時實現了空間域識別和對應的空間可變基因識別，有望為細粒度分析空間轉錄組數據提供有效方法。

　　該團隊與中國科學院北京基因組研究所（國家生物信息中心）楊運桂、蔡軍團隊合作，在《自然-通訊》上，發表了題為Spatiotemporal transcriptomic atlas reveals the dynamic characteristics and key regulators of planarian regeneration的研究論文。該工作繪制了地中海渦蟲再生過程中的三維空間轉錄組圖譜STAPR，系統鑒定了多個再生關鍵調控因子。

　　簡要而言，上述研究將人工智能與空間轉錄組數據巧妙結合，為解析生物組織結構和細胞調控提供了富有前景的系列工具STAGATE、STAligner、STAMarker。隨著空間轉錄組技術的快速發展和數據的不斷積累，這些工具將為大規模空間轉錄組數據的計算解析與生物挖掘提供強有力的支持。

　　STAligner算法工作流程圖