- 3 次围观
空间转录组学技术能够在保留组织空间结构的同时测量基因表达，但其仍然对文库大小差异、切片层面效应以及空间伪影等技术变异高度敏感。现有的大多数归一化方法将归一化视为一个预处理步骤，并将归一化后的数值作为固定输入进行下游分析，从而忽略了归一化过程中引入的不确定性。我们提出了 GPSNorm（Gaussian Process Spatial Normalization，高斯过程空间归一化），这是一种贝叶斯空间归一化框架，可在统一的层次模型中联合建模技术变异、空间结构和生物学信号。GPSNorm 使用负二项潜在高斯模型来表征基因表达计数，其中空间成分是一个近似高斯过程的高斯马尔可夫随机场，并采用积分嵌套拉普拉斯近似（INLA）进行高效的近似贝叶斯推断，从而生成后验估计，并将归一化不确定性传递到下游差异表达分析中。在基于经验性空间转录组数据构建的模拟实验中，与现有归一化方法相比，GPSNorm 能够准确恢复空间技术结构，并改善对对数倍数变化的估计。将其应用于三个空间转录组数据集——包括人类背外侧前额叶皮层 Visium 数据、GeoMx COVID-19 肺损伤研究，以及 Spatial Organ Atlas 肾脏数据集——表明该方法在保留符合生物学预期的空间模式和标记基因差异方面具有更优表现。这些结果表明，联合建模归一化与下游推断能够提高空间转录组分析的稳健性和可解释性。GPSNorm 的开源 R 实现可在 https://github.com/Tiny-Quant/GPSNorm 获取。
peifeng.ruan{at}utsouthwestern.edu
摘要 信息/历史 指标 数据/代码 预览 PDF
摘要 空间转录组学技术能够在保留组织空间结构的同时测量基因表达，但其仍对文库大小差异、切片层面效应和空间伪影等技术变异高度敏感。现有大多数标准化方法将标准化视为预处理步骤，并将标准化后的数值作为固定输入进行下游分析，而忽略了标准化过程中引入的不确定性。我们提出了 GPSNorm（Gaussian Process Spatial Normalization，高斯过程空间标准化），这是一个贝叶斯空间标准化框架，在统一的层次模型中联合建模技术变异、空间结构和生物学信号。GPSNorm 使用负二项潜在高斯模型表示基因表达计数，其空间成分为近似高斯过程的高斯马尔可夫随机场，并利用集成嵌套拉普拉斯近似（INLA）进行高效的近似贝叶斯推断，从而生成后验估计，并将标准化不确定性传播到下游差异表达分析中。在以经验性空间转录组学数据为基础的模拟中，与现有标准化方法相比，GPSNorm 能够准确恢复空间技术结构，并改进对对数倍数变化的估计。在三个空间转录组学数据集上的应用——包括人类背外侧前额叶皮层 Visium 数据、GeoMx COVID-19 肺损伤研究以及 Spatial Organ Atlas 肾脏数据集——表明，该方法能够更好地保留符合生物学预期的空间模式和标记基因对比。这些结果表明，联合建模标准化与下游推断能够提高空间转录组学分析的稳健性和可解释性。GPSNorm 的开源 R 实现可见于 https://github.com/Tiny-Quant/GPSNorm。
利益冲突声明 脚注 https://github.com/Tiny-Quant/GPSNorm
已声明资助信息 美国国立卫生研究院， https://ror.org/01cwqze88 ，R01GM140012 ，R01GM141519 ，R01DE030656 ，U01CA249245 ，1R01HG011035 ，1U01AI169298 得克萨斯州癌症预防与研究所， https://ror.org/0003xa228 ，RP230330
版权 持有人为作者/资助方，其已授予 bioRxiv 永久展示该预印本的许可。 本文依据 CC-BY 4.0 国际许可协议 发布。
返回顶部 上一篇 下一篇
发表于 2026 年 7 月 27 日。 下载 PDF
数据/代码 电子邮件 感谢您有兴趣帮助传播 bioRxiv 的内容。 您的电子邮件 *
您的姓名 *
发送给 * 可将多个地址分行输入，或以逗号分隔。
您将要发送以下内容的电子邮件 GPSNorm：用于空间转录组学的高斯过程空间标准化
邮件主题 （您的姓名）从 bioRxiv 转发了一个页面给您
邮件正文 （您的姓名）认为您可能希望查看 bioRxiv 网站上的此页面。
您的个人留言
验证码 此问题用于测试您是否为人工访问者，并防止自动垃圾信息提交。
分享 GPSNorm：用于空间转录组学的高斯过程空间标准化
Artit Taychameekiatchai， Xiaowei Zhan， Guanghua Xiao， Peifeng Ruan
bioRxiv 2026.07.23.740319； doi： https://doi.org/10.64898/2026.07.23.740319
分享本文： 复制
引文工具 GPSNorm：用于空间转录组学的高斯过程空间标准化
Artit Taychameekiatchai， Xiaowei Zhan， Guanghua Xiao， Peifeng Ruan
bioRxiv 2026.07.23.740319； doi： https://doi.org/10.64898/2026.07.23.740319
📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.07.23.740319v1?rss=1
🏷️ 空间转录组学 高斯过程 贝叶斯归一化 差异表达分析 负二项模型 INLA