PopSVG可实现对群体水平空间转录组学中空间分布不均的基因的高精度检测

《Communications Biology》：PopSVG enables scalable detection of spatially variable genes in population-level spatial transcriptomics

　　

摘要

空间变异基因的检测是空间转录组学数据分析中最重要的任务之一。为从群体水平的转录组数据中识别出空间变异基因，目前的做法通常是先从各个切片中单独筛选出这类基因再将其合并，或者从所有受试者的表达矩阵中挑选出变异程度极高的基因作为替代。这些方法无法同时考虑普遍存在的空间模式和个体特有的空间模式，从而导致检测的准确率和效能较低。为解决这一问题，我们开发了PopSVG，这是一种用于群体水平空间变异基因检测的统计方法。PopSVG能够对生物样本群体的空间表达数据进行分层建模，从而在平衡受试者间的同质性与异质性方面发挥作用。在参数估计完成后，PopSVG还能计算出某基因作为群体水平空间变异基因的统计学显著性。大量实验表明，与现有方法相比，PopSVG在识别具有生物学意义的空间变异基因、改善多切片组织区域分割方面更具优势，同时还能高效地处理大规模数据集。PopSVG的Python实现版本可在https://github.com/ToryDeng/PopSVG获取。