Genome Biol丨李宏伟/李维团队提出基于对比学习的空间转录组数据分析算法spCLUE

空间转录组测序技术的快速发展允许人们在保留空间位置信息的同时研究细胞间的基因表达，为探索组织中的空间结构，挖掘新的生物学现象提供了新的机遇。随着大量空间转录组数据的产生，亟需新工具来整合跨组织切片的空间转录组数据，并识别具有一致性的空间结构区域。

近日，中国地质大学（武汉）李宏伟团队和加州大学河滨分校李维团队在Genome Biology期刊发表了题为spCLUE: a contrastive learning approach to unified spatial transcriptomics analysis across single-slice and multi-slice data的文章，提出了一种新方法spCLUE，通过结合多视图网络，对比学习，注意力机制和批次微调模块，学习位点(spot)的特征提取，并实现对齐或非对齐样本的整合，为解析组织空间区域和整合空间转录组数据提供了有力的工具。

spCLUE是基于图对比学习范式，且同时适用于单切片和多切片空间转录组数据分析的统一框架。它主要包含以下三点创新：(1) 使用多视图图对比学习策略考虑不同spot间的空间关系和表达谱相关性，并通过注意力机制捕获不同视图间的补充关系；(2) 结合实例图对比学习和聚类对比学习增强spot特征表示中的聚类信号，以提取适合空间域发掘的spot特征表示；(3) 设计批次微调模块显式考虑多切片样本间的批次效应，从而得到更具生物学意义的spot特征表示 。

图1 spCLUE算法框架图

研究团队在多个数据集上系统地评估了算法性能。(1) 在由10x Visium 技术测序得到的人类背外侧前额叶皮层（Dorsolateral Prefrontal Cortex, DLPFC）数据集上评估算法的单切片空间域识别性能，spCLUE能够准确识别不同的层状结构，展现出spCLUE在空间区域识别上的优势；(2) 将spCLUE 用于10x Visium, Slide-seqV2, Stereo-seq 和 BaristaSeq等多种测序技术获得的空间转录组数据集，展现出spCLUE有效识别空间区域的能力，以及对于不同测序技术生成的空间转录组数据的适用性；(3) 将spCLUE用于多切片数据，spCLUE能够在多个切片上得到一致且准确的空间区域识别结果，展现出spCLUE去除批次效应的同时保留具有生物学意义的空间域结构的能力；(4) 通过对各个模块的消融实验，展现出各个模块对于spCLUE性能的影响，说明了各个模块设计的合理性和有效性。

总体而言，spCLUE基于对比学习框架，实现了单切片和多切片空间转录组数据的统一分析，为准确识别空间区域和有效整合复杂的空间转录组数据提供了灵活有力的解决方案。此外，spCLUE的多视图对比学习策略非常适合扩展到空间多组学数据，为空间多组学数据的整合提供了新的思路。

中国地质大学（武汉）研究生汪翔为该论文的第一作者。中国地质大学（武汉）李宏伟教授和加州大学河滨分校李维副教授为该论文的通讯作者。

原文链接：https://doi.org/10.1186/s13059-025-03636-0

制版人：十一

BioArt

Med

Plants

人才招聘

学术合作组织

（*排名不分先后）

战略合作伙伴

（*排名不分先后）

转载须知

【非原创文章】本文著作权归文章作者所有，欢迎个人转发分享，未经作者的允许禁止转载，作者拥有所有法定权利，违者必究。