- 2 次围观
空间分辨转录组学（spatially resolved transcriptomics, SRT）的最新进展使得在组织内测量一组通路基因的活性成为可能。然而，现有的基因集活性评分方法忽视了组织位置之间的空间依赖性，限制了其捕捉与疾病病理或细胞通讯相关的区域特异性通路活性的能力。此外，这些方法缺乏对活性评分进行显著性水平推断的能力，对基因在通路中的贡献仅提供有限的可解释性，并且难以良好扩展至先进的大规模SRT数据集。 为克服这些局限性，我们提出了GESSO（Gene sEt activity Score analysis with Spatial lOcation），一种适用于多种SRT平台的空间信息引导型基因集评分方法。GESSO通过图正则化矩阵分解算法对基因集活性水平进行建模，联合推断具有空间一致性的基因集活性评分（gene set activity scores, GASs）以及可解释的元基因权重，以刻画基因层面对通路的贡献。该方法进一步实现了基于置换的局部显著性检验，以及一种分层低分辨率近似策略，从而能够扩展至高分辨率SRT数据集，如Visium HD、Stereo-seq和Xenium Prime。 在来自五种SRT平台的13个数据集上，GESSO在准确性、校准性、可解释性和可扩展性方面均优于所有现有方法。相关应用揭示了新的生物学程序，包括肿瘤—基质界面内空间受限的上皮—间质转化（EMT）激活、胚胎组织中的发育信号梯度，以及人类淋巴结组织生发中心内B细胞、T细胞及信号通路的协同作用，从而以亚区域分辨率揭示了免疫功能的空间组织结构。
空间分辨转录组学（spatially resolved transcriptomics, SRT）的最新进展使得在组织内测量通路基因集合活性成为可能。然而，现有的基因集活性评分方法忽视了组织位置之间的空间依赖性，从而限制了其捕捉与疾病病理或细胞间通讯相关的区域特异性通路活性的能力。此外，这些方法缺乏对活性评分的显著性水平推断，对基因在通路中的贡献仅提供有限的可解释性，并且在处理新一代大规模SRT数据集时扩展性较差。为解决这些局限性，我们提出了GESSO（Gene sEt activity Score analysis with Spatial lOcation），一种可适配多种SRT平台的空间感知型基因集评分方法。GESSO通过一种图正则化矩阵分解算法对基因集活性水平进行建模，联合推断具有空间一致性的基因集活性评分（gene set activity scores, GASs）以及可解释的元基因权重，以刻画基因层面对通路的贡献。该方法进一步实现了基于置换的局部显著性检验和分层低分辨率近似，从而能够扩展至高分辨率SRT数据集，如Visium HD、Stereo-seq和Xenium Prime。在来自五种SRT平台的13个数据集中，GESSO在准确性、校准性、可解释性和可扩展性方面均优于所有现有方法。相关应用揭示了新的生物学程序，包括肿瘤-基质界面内空间局限的EMT激活、胚胎组织中的发育信号梯度，以及人类淋巴结组织生发中心内B细胞、T细胞及信号通路的协调活动，从而以亚区域分辨率揭示了免疫功能的空间组织结构。
📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.07.02.736099v1?rss=1
🏷️ 空间转录组学 基因集活性分析 图正则化矩阵分解 空间显著性检验 通路活性评分 组织空间结构