- 3 次围观
空间转录组学能够揭示完整组织内的细胞组织结构，而解离的单细胞RNA测序虽可提供广泛的转录组覆盖，却会丢失细胞邻近关系和邻域结构信息。在此，我们开发了ProxiNet，这是一种空间监督框架，能够从空间参考数据集中学习成对细胞邻近性的转录组特征，并将这些关系迁移至解离的单细胞转录组数据中。ProxiNet能够跨脑区和空间技术预测细胞邻近性，包括零样本跨技术迁移；基于梯度的归因分析则鉴定了与邻近性预测相关的基因及更广泛的转录程序。在具有已知坐标的空间数据集中，ProxiNet推断的细胞邻域重现了具有可重复性的组织组织结构和解剖结构，为推断出的邻近关系提供了独立的空间验证。将经过空间校准的模型应用于解离的scRNA-seq数据后，揭示了具有异质性的细胞邻域，这些邻域具有不同的细胞类型组成和候选细胞通信程序。在一项阿尔茨海默病数据集中，ProxiNet进一步鉴定出推断邻域与年龄相关的重塑，包括8个月龄时一个与阿尔茨海默病相关的邻域，其特征是星形胶质细胞和神经元具有不同的转录状态，并存在候选的细胞间通信程序。综上，这些结果表明，成对细胞邻近性可作为一种具有可解释性且可迁移的表征，用于将基于空间数据学习到的组织组织结构扩展至解离的单细胞转录组数据。
ProxiNet将空间学习的细胞邻近关系迁移至解离的单细胞转录组 | bioRxiv
跳转至主要内容 主页 关于 投稿 提醒 / RSS 搜索此关键词 高级搜索 最新结果
ProxiNet将空间学习的细胞邻近关系迁移至解离的单细胞转录组
Yuxiang Zhan 、 Binwei Yan 、 Ao Zhang 、 Manolis Kellis 、 Na Sun
doi： https://doi.org/10.64898/2026.09.25.754372
Yuxiang Zhan 1 怀特黑德生物医学研究所； 在Google Scholar中查找此作者 在PubMed中查找此作者 在本站搜索此作者
Binwei Yan 2 麻省理工学院； 在Google Scholar中查找此作者 在PubMed中查找此作者 在本站搜索此作者
Ao Zhang 3 伦敦国王学院 在Google Scholar中查找此作者 在PubMed中查找此作者 在本站搜索此作者
Manolis Kellis 2 麻省理工学院； 在Google Scholar中查找此作者 在PubMed中查找此作者 在本站搜索此作者
Na Sun 1 怀特黑德生物医学研究所； 在Google Scholar中查找此作者 在PubMed中查找此作者 在本站搜索此作者
通讯作者： nasun{at}wi.mit.edu
摘要
信息/历史 指标 预览PDF
摘要
空间转录组学揭示了完整组织内的细胞组织结构，而解离的单细胞RNA测序能够提供广泛的转录组覆盖，但会丢失细胞邻近关系和邻域结构信息。在本研究中，我们开发了ProxiNet，这是一种受空间信息监督的框架，可从空间参考数据集中学习成对细胞邻近关系的转录组特征，并将这些关系迁移至解离的单细胞转录组。ProxiNet能够跨越不同脑区和空间技术预测细胞邻近关系，包括零样本跨技术迁移；基于梯度的归因分析则识别出与邻近关系预测相关的基因及更广泛的转录程序。在具有已知坐标的空间数据集中，ProxiNet推断的细胞邻域重现了可重复的组织组织结构和解剖结构，为推断出的邻近关系提供了独立的空间验证。将经过空间校准的模型应用于解离的scRNA-seq数据后，我们发现了具有不同细胞类型组成和候选细胞通信程序的异质性细胞邻域。在一项阿尔茨海默病数据集中，ProxiNet进一步识别出推断邻域随年龄相关的重塑现象，其中包括一个在8个月时出现的阿尔茨海默病相关邻域；该邻域具有独特的星形胶质细胞和神经元转录状态以及候选细胞间通信程序。综上，这些结果确立了成对细胞邻近关系作为一种可解释且可迁移的表征，可将空间学习到的组织组织结构扩展至解离的单细胞转录组。
利益冲突声明
基金资助信息声明
美国国立卫生研究院共同基金， https://ror.org/001d55x84
版权
本预印本的。
该预印本依据 CC-BY 4.0国际许可协议 公开提供。
返回顶部 上一篇 下一篇
发布于2026年9月30日。
下载PDF 电子邮件
感谢您有意传播bioRxiv上的内容。
您的电子邮件 *
您的姓名 *
发送至 *
请在不同的行中输入多个地址，或使用逗号分隔地址。
您即将通过电子邮件发送以下内容：
ProxiNet将空间学习的细胞邻近关系迁移至解离的单细胞转录组
邮件主题
（您的姓名）从bioRxiv网站转发了一个页面给您
邮件正文
（您的姓名）认为您可能会对bioRxiv网站上的此页面感兴趣。
您的个人留言
验证码
此问题用于测试您是否为人类访客，并防止自动垃圾信息提交。
分享
ProxiNet将空间学习的细胞邻近关系迁移至解离的单细胞转录组
Yuxiang Zhan 、 Binwei Yan 、 Ao Zhang 、 Manolis Kellis 、 Na Sun
bioRxiv 2026.09.25.754372； doi： https://doi.org/10.64898/2026.09.25.754372
分享本文：
复制
引文工具
ProxiNet将空间学习的细胞邻近关系迁移至解离的单细胞转录组
Yuxiang Zhan 、 Binwei Yan 、 Ao Zhang 、 Manolis Kellis 、 Na Sun
bioRxiv 2026.09.25.754372； doi： https://doi.org/10.64898/2026.09.25.754372
📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.09.25.754372v1?rss=1
🏷️ 空间转录组学 单细胞RNA测序 细胞邻近性 细胞邻域 细胞通信 深度学习