华大基因团队借助SpatialGlue图神经网络模型，揭示生物复杂性的解剖细节：多组学数据整合研究登上Nature子刊

在生物样本分析领域，继单细胞转录组学之后，KX空间转录组学带来了新的突破。新加坡科技研究局（A*STAR）、华大基因和上海交通大学医学院附属仁济医院等机构的研究团队，开发出了一款名为SpatialGlue的图神经网络模型，该模型具备双注意力机制，能以空间感知方式整合多组学数据。SpatialGlue有效地将不同数据模态与其相应空间背景结合，揭示组织样本的组织学结构。相较于其他方法，SpatialGlue能捕获更多解剖细节，更精确解析空间域，如大脑皮层。

该模型在处理空间多组学数据时，识别了脾脏巨噬细胞亚群等原始数据未标注的细胞类型。研究表明，多模态空间组学在分析生物复杂性方面具有巨大潜力。相关研究发表在6月21日的《Nature Methods》上，标题为“Deciphering spatial domains from spatial multi-omics with SpatialGlue”。

当前，空间多组学面临着异构数据模态整合的挑战，尤其是不同模态特征计数的差异和统计分布问题。SpatialGlue通过结合多组学模态数据和空间信息，提高了组织样本空间域解析的分辨率。其基于图神经网络的深度学习模型设计，包括k最近邻算法构建的空间邻居图和特征邻居图，以及模态内和模态间注意聚合层，以适应性地整合不同模态信息。

在模拟和实际数据的测试中，SpatialGlue的性能优于其他方法，尤其是在人类淋巴结和小鼠大脑数据上，显示了更高的分辨率和解剖细节捕获能力。此外，SpatialGlue在多种技术平台上的应用证明了其广泛适用性。

研究人员表示，SpatialGlue有望成为未来空间多组学数据的重要分析工具，并计划扩展其功能，包括将图像数据融入模态内或模态间注意聚合层，以及整合连续组织切片的多组学数据。

本文来源：