PNAS | 中山大学孙小强等团队破解空间多组学整合难题:基于定向扩散模型的SpaDDM算法显著提升模式识别与细胞通信分析能力
iNature
2026-03-13 16:00
文章摘要
背景:空间多组学测序技术能在空间分辨率下同时分析转录组、蛋白质组和表观基因组,为理解复杂组织结构与分子调控机制提供重要视角,但有效整合多种组学模态仍面临挑战。研究目的:中山大学孙小强等团队提出SpaDDM算法,这是一个基于定向扩散模型的空间多组学整合框架,旨在支持空间模式识别、跨组学对齐及细胞信号流分析,以解决现有方法在空间感知和跨模态融合方面的不足。结论:SpaDDM在多种空间多组学数据集上测试显示,其在解析空间组织模式、降低边界噪声方面优于现有方法,并能通过学习的共嵌入表征推断空间模式形成的信号流,提升跨组学转换和细胞状态对齐的预测准确性,为生物医学研究开辟了新途径。
本站注明稿件来源为其他媒体的文/图等稿件均为转载稿,本站转载出于非商业性的教育和科研之目的,并不意味着赞同其观点或证实其内容的真实性。如转载稿涉及版权等问题,请作者速来电或来函联系。