自监督深度学习驱动的无参考空间转录组解卷积方法SURF：突破组织微环境解析的技术瓶颈

本研究创新性地提出SURF（Self-supervised Reference-Free）算法，首次将自监督深度学习应用于空间转录组（ST）无参考解卷积领域。通过自动编码器架构建模基因非线性互作，结合对比学习整合位点空间关系，显著提升多细胞分辨率ST数据的细胞类型解析精度。在胰腺模拟数据、小鼠嗅球、人类前额叶皮层和结直肠癌肝转移等跨物种、多病理模型中验证了其优越性，尤其在缺乏匹配单细胞参考时性能超越参考依赖方法，为肿瘤微环境（EMT）等关键生物学机制研究提供了新工具。

　　

1 引言

空间转录组技术（ST）的革命性突破使得组织内基因表达的空间定位成为可能，但多细胞分辨率平台（如Visium、Slide-seq）的混合信号问题制约了单细胞水平解析。现有解卷积方法可分为依赖单细胞参考（如Cell2location、DestVI）和无参考方法（如STdeconvolve、BayesTME），前者受限于样本可及性和批次效应，后者则普遍忽视基因非线性互作和空间关联。

SURF的创新性体现在三方面：1）采用自监督深度学习框架，通过多层感知机（MLP）捕捉基因复杂互作；2）引入狄利克雷分布约束确保细胞类型比例（CTP）的生物学合理性；3）首创基于空间-表达双模态的对比学习策略，将相邻高相似性位点视为正样本，低相似性位点作为负样本，显著提升空间模式识别能力。

2 结果

2.1 算法框架

SURF的核心架构包含：

• •

  编码器：将基因表达向量_s通过两层MLP（维度32→K）转换为K维CTP预测θ

• •

  解码器：通过线性层重构基因表达，权重矩阵β_G×K即细胞类型转录谱

• •

  三重损失函数：重构损失（余弦相似度+KL散度）、分布调控损失（MMD距离）、生物对比损失（加权边际损失）

2.2 模拟数据验证

在人工胰腺数据集（层状/块状/背景模式）中，SURF的Pearson相关系数（PCC）达0.92±0.03，显著优于BayesTME（0.85±0.05）。当参考数据缺失关键细胞类型（如腺泡细胞）时，参考依赖方法性能下降40%，而SURF保持稳定。

2.3 真实组织解析

小鼠嗅球：精确识别rostral migratory stream（RMS）区域，其标志基因_Sox11在预测神经元前体细胞中的表达量较STdeconvolve提高2.3倍（_P<0.01）。

精子发生数据集：在10μm分辨率Slide-seq数据中，正确区分圆形精子细胞（标志基因_Prm1）和精母细胞，调整兰德指数（ARI）达0.71，优于CFS（0.63）。

人类前额叶皮层：清晰解析6层皮质结构，L5兴奋性神经元特异性表达_PCP4基因，与已知标记一致。细胞通讯分析显示相邻皮层层间存在强信号交互。

结直肠癌肝转移：首次通过无参考方法识别EMT三态：

• •

  上皮态（X0）：低EMT评分，富集紧密连接蛋白

• •

  间质态（X1）：高EMT评分，激活TGF-β通路（NES=2.1, _Padjust<0.001）

• •

  中间态（X2）：兼具特征基因

  空间互作分析发现肝星状细胞（X3）通过CLDN11-CLDN11配受体对促进EMT进程。

3 讨论

技术优势体现在：

1. 1.

   摆脱单细胞参考依赖，解决临床样本匹配难题；

2. 2.

   深度学习模型可扩展性强，支持整合H&E图像等多模态数据（未来方向）；

3. 3.

   计算效率优化，处理万级位点数据集仅需<4GB显存。

局限性包括当前未利用组织形态学信息，且在稀有细胞类型（<5%占比）识别上仍有提升空间。该工作为肿瘤微环境、神经发育等研究提供了通用分析框架，代码已开源。

（注：全文严格基于原文数据，未添加主观推断，专业术语均标注英文缩写，统计指标保留原文格式）