Genome Research丨孙小强开发结合空间信息与多层信号调控机制的分析框架 stMLnet

正文

请到「今天看啥」查看全文

针对上述挑战，中山大学数学学院 孙小强 课题组近日在 Genome Research 上发表题为 Dissecting multilayer cell–cell communications with signaling feedback loops from spatial transcriptomics data 的研究论文 【4】 。该研究 提出了一种结合空间信息与多层信号调控机制的分析框架 stMLnet ，用于从 ST 数据中系统识别包含反馈回路的多层 CCC 网络。 stMLnet 首先 基于配体扩散和 L-R 相互作用的数学模型，量化空间依赖的 L-R 信号活性。 随后， 使用可解释的机器学习方法，将细胞间 L-R 信号定量映射到细胞内基因表达 ，为揭示多细胞组织中复杂的信号调控提供了新工具 。

研究团队 系统 比较和分析了 stMLnet 与其他 CCC 推断方法的 性能，并详细对比了这些方法的功能特点。实验结果表明 stMLnet 在细胞间 L-R 推断和细胞内靶基因预测方面均表现突出。

此外，研究团队还使用 stMLnet 分析了来自 seqFISH+ 、 Slide-seq v2 、 MERFISH 和 Stereo-seq 等多种 ST 技术的数据，验证了其在不同空间分辨率和基因覆盖度的 ST 数据上的稳健性和可扩展性。特别地， stMLnet 揭示了 COVID-19 感染肺组织 ST 数据中炎症反应背后的多层信号反馈回路。 stMLnet 为

请到「今天看啥」查看全文