研究人员开发出名为Spotiphy的AI驱动计算工具，该工具通过机器学习算法突破空间转录组学技术局限。这项由圣犹大儿童研究医院与威斯康星大学麦迪逊分校联合完成的研究成果发表于《自然·方法》期刊，首次实现了单细胞分辨率与全基因组覆盖的同步突破。
空间转录组学的技术突破
空间转录组学（ST）技术能捕捉完整组织中的基因表达，但现有方法存在技术权衡：基于测序的ST虽覆盖全基因组但分辨率低，多个细胞合并为一个数据点；基于成像的ST虽能提供单细胞分辨率，但仅能检测有限数量的基因。Spotiphy通过机器学习推演缺失信息，成功弥合两种方法的差距。圣犹大医院计算生物学临时主席Jiyang Yu博士表示："我们创造了首个能预测全转录组单细胞水平空间基因表达的生成算法，关键在于结合单细胞RNA测序图谱和组织学成像数据。"
AI驱动的图像重建技术
Spotiphy算法通过大规模空间转录组数据库和组织切片图像训练，采用"点位"概念采集数据。传统ST数据在组织切片上预定义的"点位"（类似图像像素）包含多个混合细胞，难以区分个体基因表达模式。该工具通过机器学习填补点位间信息空白，重建高精度空间基因表达图谱。共同通讯作者Junmin Peng博士解释："就像一张手部图片中间缺失，算法通过训练获取的通用规则能推演缺失部分——重建手掌结构，或现实中的点位间距数据。"
疾病研究的突破应用
在阿尔茨海默病小鼠模型中，Spotiphy识别出星形胶质细胞亚型，并证实疾病相关小胶质细胞增加，验证了小胶质细胞功能障碍导致神经退化的理论。应用于乳腺癌样本时，该工具揭示肿瘤微环境异质性，检测到传统技术无法解析的肿瘤与周围细胞空间相互作用。共同第一作者Jiyuan Yang博士指出："我们生成的小鼠大脑匹配数据集将成为空间组学领域的重要资源。"
精准医疗前景
Spotiphy提供的高分辨率全基因组空间转录组数据，有助于研究人员绘制疾病发展中的细胞互作图谱，推动更精准的诊断和靶向治疗。Yu博士强调："该算法能区分之前技术无法检测的同类型细胞细微差异，让科学家看见前所未见的生物现象。"
【全文结束】
