MISO 多模态空间组学建模：解锁组织复杂性的 “密码”

为解决多模态空间组学数据有效建模及处理大规模数据集的问题，研究人员开展了 MISO（MultI-modal Spatial Omics）算法相关研究。结果显示，MISO 在多方面表现优异，代表了多模态空间组学分析的重大进展，有助于理解组织复杂性。

　　空间分子分析技术的发展，为生物医学研究者们深入探索细胞定位与组织功能间的关系提供了宝贵契机。而如何有效地对多模态空间组学数据进行建模，成为理解组织复杂性及其潜在生物学机制的关键。随着空间分辨率的提升，能生成亚细胞分辨率空间分子数据的技术应运而生，这就急需开发高效的计算方法来处理由此产生的大规模数据集。

MISO（多模态空间组学，MultI-modal Spatial Omics）是一种通用的特征提取和聚类算法，它能够整合来自不同空间组学实验的多种模态数据，且具有高空间分辨率。在涵盖基因表达、蛋白质表达、表观遗传学、代谢组学以及组织组织学等多种模态的各类数据集中，MISO 都展现出了卓越的性能。在识别与生物学相关的空间区域方面，MISO 的表现优于现有方法，这无疑是多模态空间组学分析领域的一大重要突破。此外，MISO 的计算效率使其具备良好的扩展性，能够轻松应对亚细胞分辨率空间组学技术产生的大规模数据集。