DIRAC 模型实现空间多组学数据的整合与注释

DIRAC 是一个几何深度学习模型，可在统一框架下完成空间多组学数据的垂直整合与水平整合及细胞类型注释。垂直整合指合并不同分子模态，水平整合指跨研究对齐细胞类型；DIRAC 通过自适应校准学习对批次效应、组学模态和研究站点等域偏移不敏感的任务判别特征，形成共享嵌入空间，并借助参考数据集的标签迁移实现自动注释。在测序型与成像型数据集上，DIRAC 在胶质母细胞瘤中识别出新的微血管增生域，修正了重度阿尔茨海默病的皮层分层注释，解析了小鼠胚胎中的细微结构，并对缺失数据和未见细胞类型保持稳健。