MacSGP：基于深度图神经网络与概率建模的空间转录组细胞类型特异性空间基因程序识别框架

《Nature Communications》：Mapping cell-type-specific spatial gene programs uncovers tissue architecture and microenvironment organization

　　

摘要

组织的复杂结构是由执行特异性基因程序的多种细胞类型的空间排列所塑造的。细胞类型特异性空间基因程序（SGPs）是能够捕获细胞类型内空间表达共变性的转录模块。然而，在空间转录组学中识别这些 SGPs 仍然具有挑战性。在此，我们提出 MacSGP，这是一种可扩展的框架，它整合了深度图神经网络与概率建模，通过低秩结构识别细胞类型特异性 SGPs，同时考虑了细胞类型的混合情况。通过涵盖多种组织和技术的全套模拟与真实数据分析，我们证明 MacSGP 能够有效区分细胞类型特异性 SGPs 与细胞类型标记基因表达模式，同时揭示组织结构和细胞微环境。在一个小鼠脑部数据集中，我们鉴定出可重复的 SGPs，反映了亚区域的神经元特化，且这些基因与脑相关表型相关的遗传率显著富集。在来自不同平台的多种结直肠癌数据集中，MacSGP 鉴定出了一致的 SGPs，定义了肿瘤微环境内不同的细胞生态位。