
-
生物通官微
陪你抓住生命科技
跳动的脉搏
基于注意力引导的增强反卷积技术实现了在没有参考信息的情况下对空间转录组学中的细胞类型进行估计
《Scientific Reports》:Attention-guided enhanced deconvolution enables reference-free cell type estimation in spatial transcriptomics
【字体: 大 中 小 】 时间:2026年02月11日 来源:Scientific Reports 3.9
编辑推荐:
摘要 空间转录组学技术能够跨组织切片分析基因表达,同时保留空间信息。然而,大多数平台在每个测量位置会捕获来自多个细胞的信号,这就需要计算方法来确定潜在的细胞组成。现有的反卷积方法要么依赖于单细胞参考图谱(这些图谱可能无法用于稀有组织或特定疾病环境),要么采用无监督方法,但这些
空间转录组学技术能够跨组织切片分析基因表达,同时保留空间信息。然而,大多数平台在每个测量位置会捕获来自多个细胞的信号,这就需要计算方法来确定潜在的细胞组成。现有的反卷积方法要么依赖于单细胞参考图谱(这些图谱可能无法用于稀有组织或特定疾病环境),要么采用无监督方法,但这些方法难以处理复杂的空间模式,并且通常需要手动指定要识别的细胞类型数量。我们开发了“注意力引导增强反卷积”(Attention-Guided Enhanced Deconvolution,简称AGED)框架,该框架结合了概率建模和神经注意力架构,实现无需参考图谱的分析。第一阶段使用基于“Performer”的网络和线性复杂度的注意力机制,系统地评估具有不同细胞类型数量的模型,并通过重建质量、簇分离和主题多样性等综合评分自动选择最优配置。第二阶段“Attention-Guide”采用分层概率初始化方法,通过多种注意力机制逐步细化细胞类型特征:基于统计先验的交叉注意力、聚合邻近信息的空间注意力以及捕捉主题-基因关联的协作注意力。动态门控机制使模型能够在全局统计模式和局部数据驱动特征之间取得平衡,而正则化则促进与生物学现实相符的稀疏解——每个位置仅包含少数几种主要细胞类型。在鼠嗅球(Mouse Olfactory Bulb,MOB)组织上的测试表明,AGED能够自动识别四种解剖结构,并实现了优异的重建性能(r=0.86),同时保留了特征性的稀疏模式。当将该方法应用于人胰腺导管腺癌(Human Pancreatic Ductal Adenocarcinoma,PDAC)和人胸腺组织时,它可以揭示解剖结构与细胞类型之间的详细关系。学习到的细胞类型分布与已建立的神经解剖边界和已知分子标记物高度吻合,表明这种基于注意力的细化方法在整个训练过程中保持了生物学可解释性。这一框架为多种实验系统的空间转录组学分析提供了实用的解决方案,且无需匹配的单细胞数据。