- 4 次围观
研究动机：由于基因面板稀疏、空间异质性以及组织匹配参考图谱的可获得性有限，空间转录组学中的细胞类型注释具有挑战性。近年来，一些方法开始探索利用大语言模型（LLM）在注释过程中整合生物学知识，但无约束推理可能产生缺乏生物学依据的预测以及幻觉性细胞类型。此外，许多基于 LLM 的流程依赖于大型云端托管模型，这限制了其在注重隐私环境中的可复现性与部署能力。 结果：我们提出 NanoCellAnnotator，这是一种具有生物学约束且具备置信度感知能力的空间转录组自动细胞类型注释框架。该框架将空间结构发现、确定性生物学证据构建以及基于语言模型的语义推断进行解耦。首先，利用混合空间正则化非负矩阵分解（hSNMF）识别空间簇；随后，通过基因本体（Gene Ontology）富集分析和 GO-slim 投影，将簇水平的标记基因抽象为源自本体的功能程序。一个轻量级、可在本地执行的语言模型在由 PanglaoDB 和 CellMarker 构建的人工整理可接受标签空间内执行受约束的标签选择。注释置信度则通过标记支持强度和谱系分离度独立估计，从而能够将模糊或异质性簇明确标记出来。我们在肝内胆管癌的 Xenium 空间转录组数据以及一个独立的乳腺癌空间转录组数据集上评估了 NanoCellAnnotator。该框架能够以高置信度恢复经典细胞群，同时将异质性或过渡性空间区域识别为模糊类别。与人工注释的一致性采用准确率和调整兰德指数进行评估。可用性：代码见 https://github.com/ishtyaqmahmud/NanoCellAnnotator 。
研究动机：由于基因面板稀疏、空间异质性显著，以及组织匹配参考图谱的可获得性有限，空间转录组学中的细胞类型注释具有挑战性。近年来，一些方法开始探索利用大语言模型（LLM）在注释过程中整合生物学知识，但不受约束的推理可能产生缺乏生物学依据的预测以及虚构的细胞类型。此外，许多基于大语言模型的流程依赖于大型云端托管模型，这限制了其在隐私敏感环境中的可复现性与部署能力。
研究结果：我们提出了 NanoCellAnnotator，一种具有生物学约束且具备置信度感知能力的空间转录组学自动细胞类型注释框架。该框架将空间结构发现、确定性生物学证据构建以及基于语言模型的语义推理进行解耦。首先，使用混合空间正则化非负矩阵分解（hSNMF）识别空间簇；随后，利用基因本体（Gene Ontology）富集分析和 GO-slim 投影，将簇水平的标志基因抽象为源自本体的功能程序。一个可在本地执行的轻量级语言模型在由 PanglaoDB 和 CellMarker 派生的人工整理可接受标签空间内执行受约束的标签选择。注释置信度通过标志基因支持强度和谱系分离度进行独立估计，从而能够将模糊或异质性簇显式标记出来。我们在肝内胆管癌的 Xenium 空间转录组数据以及一个独立的乳腺癌空间转录组数据集上评估了 NanoCellAnnotator。该框架能够以高置信度恢复经典细胞群体，同时将异质性或过渡性空间区域识别为模糊类别。与人工注释的一致性通过准确率和校正 Rand 指数进行了评估。
可用性：代码见 `https://github.com/ishtyaqmahmud/NanoCellAnnotator`。
📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.06.21.728965v1?rss=1
🏷️ 空间转录组学 细胞类型注释 大语言模型 基因本体富集分析 空间聚类