北京
9月4日，复旦大学原致远研究员、钱斌治教授、王智康助理教授联合内蒙古大学左永春教授，在bioRxiv预印了最新题为“Unifying physical and molecular coordinate systems across modalities in spatial biology” 研究论文。该工作开发了空间生物学多模态整合平台MAPS，用统一计算框架把细胞的物理空间和状态空间统一起来。MAPS包含三大模块：MAPS-alignment 基于纯几何策略实现模态无关的快速物理对齐（百万细胞级切片对齐在一分钟内完成、GPU 显存 <5 GB），并可在无需任何共享分子特征的情况下完成跨模态对齐；MAPS-integration 支持无锚定与组织学锚定两种跨模态 3D 重建策略；MAPS-Explorer 提供千万细胞级的交互式 3D 可视化与分析。
在覆盖34 个数据集、16 种技术平台、6 种模态的系统评测中，MAPS在对齐速度与计算资源占用上较此前方法有显著提升，并能较好地兼容正交模态、跨平台、部分组织重叠等挑战性场景。首先作者和7种先进的转录组对齐方法进行了对比，结果显示在标准对齐，跨平台对齐，部分重叠对齐和超大规模对齐等多个应用场景中，MAPS显著优于现有的计算方法，并且运行所需时间和计算资源大幅领先。
在跨模态对齐场景中，作者分别展示了转录组和蛋白组、转录组和翻译组、转录组和表观组、转录组和代谢组、转录组和图像的对齐。MAPS在所有的跨模态对齐场景中都展现出了卓越的性能，领先于先进的方法。在转录组和表观组学的对齐案例中，MAPS的准确度领先其余方法接近一倍，并且MAPS首次实现了无需任何共享特征的正交模态对齐；在超过一百万细胞规模的小鼠胚胎和HE的对齐中，MAPS只需要74s就完成了高效对齐显存小于5个G。最后作者在人肾细胞癌和人类乳腺癌将MAPS的对齐结果和Xenium官方提供的人工校准方法做了对比，从视觉上MAPS的对齐精度达到了与人工复杂校准一致的程度。
MAPS-integration在涉及无共享特征的任意正交模态的非锚定场景中实现高质量的跨模态整合。在邻片和非邻片跨模态组合场景中，MAPS有效地整合了转录和蛋白模态，并且获得了一致的空间域识别结果；它还揭示了小鼠舌上皮的功能区域化，并且准确解析了小鼠小脑的三模态解剖结构。在锚定场景中，以配对的H&E组织学作为锚点来预测细胞分辨率下的空间多组学数据，MAPS整合的表现优于七种最先进的组学预测方法，皮尔森相关系数提高了30%-50%。
作者还展示了MAPS-Explorer在千万规模数据集的3D交互探索能力，在E11.5时期的小鼠胚胎数据中，恢复了完整脊索的轴向结构并利用细胞密度功能展示了椎体和神经结构的活跃发育状态。
最后文章用2个大规模场景（数据量均>20M）展示了MAPS的独特性。第一，从公开数据库中整合了18个脑图谱、5种模态、434张切片共约2,100万个细胞，构建了目前最全面的小鼠脑多模态3D空间图谱。作者还展示了连续的虚拟切片应用，在不同方向上，构建的跨模态小鼠大脑图谱展现出了良好空间连续性。并且支持3D器官内部任意尺度的共定位交互探索。
第二，在个体实验室尺度，仅利用常规H&E染色作为结构支架、辅以两张多组学锚定切片，即完成人肝细胞癌约2,600万个细胞的3D多组学重建，揭示了 2D 分析对细胞空间关系的系统性低估，以及肿瘤深部免疫状态沿深度的梯度转变。
论文链接：
https://www.biorxiv.org/content/10.64898/2026.09.01.748536v1
GitHub：
https://github.com/dbjzs/MAPS
MAPS教程：
https://mapspatial.readthedocs.io/en/latest/
3D交互网站：
https://bioinfor.imu.edu.cn/maps-explorer/
01
02
03
04
05
快点亮"在看”吧！
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
