Inferring single-cell resolution spatial gene expression via fusing spot-based spatial transcriptomics, location and histology using GCN
Published in Briefings in Bioinformatics, 2025
scstGCN: 通过结合基于空间位点的空间转录组学、位置信息和组织学图像，利用图卷积网络（GCN）推断单细胞分辨率的空间基因表达 PDF
空间转录组学为研究基因在组织中的空间分布提供了强有力的工具。然而，现有方法通常受到空间分辨率限制，难以实现单细胞分辨率的空间基因表达预测。本文提出了一种新的方法，利用图卷积网络（GCN）结合基于斑点的空间转录组数据、位置信息和组织学图像，推断单细胞分辨率的空间基因表达。我们的方法首先通过斑点位置和组织学图像信息对空间转录组数据进行增强，然后利用 GCN 学习这些信息之间的空间关系，从而精确推断单细胞水平的基因表达模式。实验结果表明，所提方法在多个真实数据集上取得了显著的性能提升，尤其在推断精度和空间分辨率方面优于传统方法。这为高分辨率空间基因表达分析提供了新的思路，并推动了空间转录组学技术在单细胞层面的应用。
Recommended citation: Shuailin Xue, Fangfang Zhu, Jinyu Chen, Wenwen Min(学生一作本人通信). Inferring single-cell resolution spatial gene expression via fusing spot-based spatial transcriptomics, location and histology using GCN. Briefings in Bioinformatics 2025, DOI: 10.1093/bib/bbae630 (CCF B类期刊, 中科院JCR1区, IF=9.5)