- 7 次围观
空间多组学技术通过在其原位空间背景中测量互补的分子层，为表征组织结构提供了前所未有的机会。然而，同时分析多种分子模态在技术上仍然具有挑战性，这限制了空间多组学的广泛应用，并使大多数研究仍然依赖于单一模态测量。 在此，我们提出了 SpatialMOC，这是一种通过整合空间背景与跨模态表征学习来重建缺失空间分子模态的计算框架。跨越多种组织、分子模态、发育阶段、测序平台以及降质数据集，SpatialMOC 在双向分子预测中始终优于现有计算方法。 除了准确预测之外，SpatialMOC 还能够真实重建组织结构，保留动态的分子与调控异质性，并从技术受损的测量中恢复具有生物学意义的空间图谱。综上，这些结果确立了 SpatialMOC 作为一种通用的空间多组学重建框架的地位，拓展了现有空间组学数据集的分析价值，并促进了对组织结构、发育和疾病的全面研究。
SpatialMOC：通过跨模态预测精确重建空间多组学景观 | bioRxiv
跳转至主要内容
首页 关于 投稿 提醒 / RSS 搜索此关键词 高级搜索 新结果
SpatialMOC：通过跨模态预测精确重建空间多组学景观
Zhengxuan Liu， Peimeng Zhen， Bingtao Wang， Han Shu， Yuan Zhao， Kaiyue Zhang， Yongtian Wang， Jialu Hu， Tao Wang， Jing Chen
doi： https://doi.org/10.64898/2026.08.10.743892
Zhengxuan Liu 1 西北工业大学；
Peimeng Zhen 1 西北工业大学；
Bingtao Wang 1 西北工业大学；
Han Shu 1 西北工业大学；
Yuan Zhao 1 西北工业大学；
Kaiyue Zhang 1 西北工业大学；
Yongtian Wang 1 西北工业大学；
Jialu Hu 1 西北工业大学； Jialu Hu 的 ORCID 记录
Tao Wang 1 西北工业大学； 通讯请联系： twang{at}nwpu.edu.cn
Jing Chen 2 北京信息科技大学 Jing Chen 的 ORCID 记录
摘要 信息/历史 指标 预览 PDF
摘要
空间多组学技术通过在其天然空间背景下测量互补的分子层级，为表征组织结构提供了前所未有的机会。然而，同时描绘多种分子模态在技术上仍然具有挑战性，这限制了空间多组学的广泛应用，并使大多数研究仍然依赖单一模态测量。在此，我们提出 SpatialMOC，这是一种通过整合空间背景与跨模态表征学习来重建缺失空间分子模态的计算框架。跨多个组织、分子模态、发育阶段、测序平台以及降质数据集，SpatialMOC 在双向分子预测中始终优于现有计算方法。除了准确预测之外，SpatialMOC 还能够忠实重建组织结构，保留动态分子异质性和调控异质性，并从技术受损的测量中恢复具有生物学意义的空间景观。综上，这些结果确立了 SpatialMOC 作为一种通用的空间多组学重建框架的地位，扩展了现有空间组学数据集的分析价值，并促进对组织结构、发育和疾病的全面研究。
利益冲突声明
作者声明不存在竞争性利益。
版权
持有者为作者/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-NC 4.0 国际许可协议公开提供。
返回顶部 上一页 下一页
发布于 2026 年 8 月 14 日。
下载 PDF 电子邮件
感谢您有兴趣帮助传播 bioRxiv。
您的电子邮件 *
您的姓名 *
发送至 *
请输入多个地址，每行一个，或以逗号分隔。
您将通过电子邮件发送以下内容
SpatialMOC：通过跨模态预测精确重建空间多组学景观
邮件主题
（您的姓名）已从 bioRxiv 转发一个页面给您
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。
您的个人消息
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
SpatialMOC：通过跨模态预测精确重建空间多组学景观
Zhengxuan Liu， Peimeng Zhen， Bingtao Wang， Han Shu， Yuan Zhao， Kaiyue Zhang， Yongtian Wang， Jialu Hu， Tao Wang， Jing Chen
bioRxiv 2026.08.10.743892； doi： https://doi.org/10.64898/2026.08.10.743892
分享本文： 复制
引文工具
SpatialMOC：通过跨模态预测精确重建空间多组学景观
Zhengxuan Liu， Peimeng Zhen， Bingtao Wang， Han Shu， Yuan Zhao， Kaiyue Zhang， Yongtian Wang， Jialu Hu， Tao Wang， Jing Chen
bioRxiv 2026.08.10.743892； doi： https://doi.org/10.64898/2026.08.10.743892
📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.08.10.743892v1?rss=1
🏷️ 空间多组学 跨模态预测 组织结构重建 表征学习 空间组学计算方法