SFUMATO：用于不确定性感知的空间转录组学分析与映射的贝叶斯概率聚类

原位测序方法能够在保留空间背景信息的同时，提供亚细胞分辨率的基因表达数据，从而实现基因组学与组织形态学的整合分析。然而，许多聚类流程通过硬标签表征空间转录组结构，在转录域之间强行设定清晰边界，限制了对渐变过渡、混合信号以及簇归属不确定性的可视化，进而可能导致对组织结构产生误导性解释。在此，我们提出 SFUMATO（Segmentation-Free Uncertainty Mapping and Analysis of Transcriptomic Organisation，无分割不确定性转录组组织映射与分析），一种面向空间转录组学、经 GPU 加速的贝叶斯概率聚类与可视化框架。SFUMATO 基于无分割的多尺度转录本分箱方法，并应用贝叶斯高斯混合模型，在每个空间位置推断其属于各转录组分的后验概率。这些后验概率为层级聚类、不确定性感知可视化以及转录本定义的区域比例定量估计提供了统一表征。SFUMATO 为转录相关的组分分配相近的颜色，并依据后验概率对颜色进行混合，从而生成能够在可视化结果中直接呈现清晰边界、渐变过渡和模糊区域的图谱。基于相同的后验分布仍可恢复经典的硬标签，从而保持与需要离散簇的下游分析的兼容性。我们在公开的 10x Genomics Xenium 小鼠脑和人乳腺癌数据集上对 SFUMATO 进行了评估。在小鼠脑数据中，SFUMATO 在颜色编码中保留了局部转录相似性，在不同簇数量下维持了层级一致的可视化效果，并且无需预先进行细胞分割即可恢复与细胞相关的空间组织结构。在乳腺癌数据中，由 SFUMATO 生成的后验概率图可转换为与病理学相关区域一致的语义掩膜，尤其能够准确对应浸润性癌区域，同时凸显导管原位癌（DCIS）相关组织更高的异质性。总体而言，这些结果表明，SFUMATO 提供了一种具有可解释性的空间转录组概率表征，将聚类、可视化和语义分割连接起来，并覆盖细胞相关尺度与微环境尺度。更广泛地说，SFUMATO 还为高度多重化的空间转录组信息提供了一种紧凑且连续的表征，可作为未来下游分析和多模态整合的灵活输入。

SFUMATO：面向不确定性感知空间转录组学分析与映射的贝叶斯概率聚类 | 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

SFUMATO：面向不确定性感知空间转录组学分析与映射的贝叶斯概率聚类

查看 ORCID 个人资料 Alessia Giustolisi ， Christophe Avenel ， 查看 ORCID 个人资料 Carolina Wählby

doi： https://doi.org/10.64898/2026.09.25.754409

Alessia Giustolisi 1 乌普萨拉大学； 在 Google Scholar 中查找该作者 在 PubMed 中查找该作者 在持有人为作者/资助方，其已授予 bioRxiv 永久展示该预印本的许可。

该预印本根据 CC-BY 4.0 国际许可协议 公开发布。

返回顶部

上一篇

下一篇

发布于 2026 年 10 月 1 日。

下载 PDF

数据/代码

电子邮件

感谢您有兴趣传播 bioRxiv 的相关信息。

您的电子邮件地址

*

您的姓名

*

发送至

*

请输入多个地址，每行输入一个，或使用逗号分隔。

您将要发送以下内容

SFUMATO：用于不确定性感知空间转录组分析与定位的贝叶斯概率聚类

Alessia Giustolisi ， Christophe Avenel ， Carolina Wählby

bioRxiv 2026.09.25.754409； doi： https://doi.org/10.64898/2026.09.25.754409

分享本文：

复制

引用工具

SFUMATO：用于不确定性感知空间转录组分析与定位的贝叶斯概率聚类

Alessia Giustolisi ， Christophe Avenel ， Carolina Wählby

bioRxiv 2026.09.25.754409； doi： https://doi.org/10.64898/2026.09.25.754409

📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.09.25.754409v1?rss=1

🏷️ 空间转录组学 贝叶斯概率聚类 不确定性量化 高斯混合模型 GPU加速 组织空间映射