科学网-SpaIM：单细胞空间转录组数据插补-张俊鹏的博文

SpaIM：单细胞空间转录组数据插补

2025-9-19 10:42

阅读：708

SpaIM：单细胞空间转录组数据插补

近年来，空间转录组学（ST）技术的进步为深入理解空间细胞生态系统提供了新的视角。基于测序的空间转录组学技术，如 10× Genomics Visium 和 Slide-seq，利用空间索引条形码对组织斑点进行 RNA 测序。与此同时，基于成像的空间转录组学平台，如 NanoString 的 CosMxSMI 和 Vizgen 的 MERSCOPE，采用原位杂交和荧光显微镜技术，在单细胞水平上提供空间转录组学数据。尽管这些技术取得了显著进展，但这些 ST 技术获得的基因表达谱仍存在数据稀疏和基因覆盖范围有限的问题。例如，NanoString 的 CosMxSMI 仅检测数千个基因，每个细胞实际检测到的 mRNA 分子数量仍然较低，由于分子成像和杂交效率的限制，导致基因表达测量效果不佳。这种固有的技术限制限制了基因覆盖的全面性和计数数据的密度，带来了重大挑战。通过计算方法解决这些限制，对于全面捕捉和解读空间转录组学谱至关重要。

在空间转录组学出现之前，单细胞 RNA 测序（scRNA-seq）技术因其能够阐明细胞异质性和追踪细胞谱系而受到关注。尽管提供了这些见解，但 scRNA-seq 缺乏空间信息，这使得确定复杂组织中细胞的结构组织变得具有挑战性。然而，作为 ST 数据的补充，scRNA-seq 已成为提高空间转录组学质量的无价工具，促进了在单个组织切片中对转录组进行具有空间分辨率的精确分析。为了改进空间转录组学图谱，研究人员一直在积极开发无缝集成 scRNA-seq 与 ST 数据的方法。值得注意的方法包括 Tangram、gimVI 和 spaGE。具体而言，Tangram 使用正则化器来筛选与空间数据映射的最优 scRNA-seq 谱。gimVI 采用深度生成模型来集成 scRNA-seq 和 ST 数据，用于缺失基因的插补。spaGE 利用主成分分析来识别主向量，并通过 k 近邻对 scRNA-seq 和 ST 中的细胞进行对齐。近期方法如 stDiff 和 SpatialScope 使用深度生成模型来插补空间基因表达。TISSUE 和 SPRITE 采用不确定性感知和元方法来实现空间基因表达预测。其他方法如 Seurat、SpaOTsc、LIGER 和 stPlus 利用不同的计算策略在 scRNA-seq 和 ST 数据之间实现局部对齐，从而能够预测 ST 数据中未测量的基因表达。然而，这些现有方法存在固有限制，因为它们主要依赖局部对齐来预测未测量的基因表达，这无法充分发挥 scRNA-seq 和 ST 数据在基因表达预测方面的潜力。

最近，Li等人引入了 SpaIM（图1），即空间转录组学插补，一种利用 scRNA-seq 数据来插补 ST 数据中未测量或缺失基因表达的风格迁移学习框架。风格迁移学习是一种借鉴计算机视觉的技术，它允许 SpaIM 将 scRNA-seq 数据中学习到的模式应用于增强空间转录组学特征。SpaIM 由一个 ST 自动编码器和一个 ST 生成器组成，它们协同工作将 scRNA-seq 数据和 ST 数据解耦为数据无关的内容和数据特定风格。数据无关的内容捕获了 scRNA-seq 和 ST 数据之间的共享信息，而数据特定风格则反映了 scRNA-seq 和 ST 数据之间的内在差异。在特定设计的损失函数训练后，ST 生成器仅使用单细胞 RNA 测序数据，可以独立预测 ST 数据中未测量的基因表达，确保准确插补。SpaIM 作为开源软件在 GitHub 上提供（https://github.com/QSong-github/SpaIM），其详细教程展示了其在增强空间转录组谱效用方面的能力。

图 1 SpaIM 模型概述。SpaIM 包含一个 ST 自动编码器和一个 ST 生成器。ST 自动编码器和 ST 生成器均基于多层递归风格迁移（ReST）层构建

参考文献

[1] Li B, Tang Z, Budhkar A, Liu X, Zhang T, Yang B, Su J, Song Q. SpaIM: single-cell spatial transcriptomics imputation via style transfer. Nat Commun. 2025 Aug 23;16(1):7861. doi: 10.1038/s41467-025-63185-9.

以往推荐如下：

1. 分子生物标志物数据库MarkerDB

2. 细胞标志物数据库CellMarker 2.0

3. 细胞发育轨迹数据库CellTracer

4. 人类细胞互作数据库：CITEdb

5. EMT标记物数据库：EMTome

6. EMT基因数据库：dbEMT

7. EMT基因调控数据库：EMTRegulome

8. RNA与疾病关系数据库：RNADisease v4.0

9. RNA修饰关联的读出、擦除、写入蛋白靶标数据库：RM2Target

10. 非编码RNA与免疫关系数据库：RNA2Immune

11. 值得关注的宝藏数据库：CNCB-NGDC