Nat Methods | 原致远/宋江宁/王智康团队开发空间跨组学白盒翻译方法——NicheTrans

空间组学技术虽是研究组织微环境的重要工具，但空间多组学数据获取面临实验复杂、成本高等挑战。针对此，复旦大学与莫纳什大学团队在Nature Methods发表论文，提出了名为NicheTrans的空间感知跨组学翻译深度学习框架。该研究的目的是开发一种能从易获取的空间单组学数据重建多组学信息的方法。NicheTrans通过三种策略实现：一是构建基于空间邻近细胞的局部微环境（niche）建模，捕捉细胞间依赖关系；二是融合源组学、空间位置、形态学及细胞类型等多模态信息；三是利用可解释性机制（如integrated gradients）追溯影响预测的关键特征。研究在帕金森病、阿尔茨海默病、乳腺癌、淋巴结及小鼠胚胎脑发育等五类场景中验证了NicheTrans的性能，证明其能有效预测与病理相关的代谢物、蛋白信号及染色质状态，并能揭示如Aβ斑块微环境结构、关键基因与蛋白的空间关联等生物学机制。结论表明，NicheTrans不仅是一个经济高效的数据补全工具，更是一个能解析复杂组织微环境中分子调控关系的通用分析框架，有望推动空间多组学在多个生物学领域的广泛应用。