DIRAC空间多组学整合注释模型发表

DIRAC作者团队在Nature Methods发表了几何深度学习模型DIRAC，称其能在统一框架下完成空间多组学数据的垂直整合（合并不同分子模态）与水平整合（跨研究对齐细胞类型），并借助参考数据集标签迁移实现细胞类型自动注释。该模型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特征，形成共享嵌入空间。 作者称，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；团队还生成小鼠脾和胸腺Stereo-CITE-seq数据，用DIRAC揭示胸腺T细胞迁移和脾免疫细胞互作。上述效果均为作者报告。

AI 根据报道生成 · 9 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。