2021年8月，来自美国研究人员在《BMC Bioinformatics》杂志发表了题为“CoSTA: unsupervised convolutional neural network learning for spatial transcriptomics analysis”的研究论文，提出了CoSTA：一种通过卷积神经网络（ConvNet）聚类学习基因表达矩阵之间空间相似性的新方法。

空间转录组学技术的兴起使人们对基因调控如何在空间环境下发生有了新的认识。确定哪些基因以类似的空间模式表达可以揭示组织中不同类型细胞的基因调控关系。然而，目前许多分析方法没有充分利用数据的空间组织，而是将pixels作为独立的特征。

CoSTA是什么？

研究人员提出了一种受计算机视觉和图像分类启发的方法，以寻找不同基因的空间表达模式之间的关系，同时保留完整的空间背景。CoSTA方法包括两个主要部分：通过高斯混合模型（GMM）进行聚类，以及在训练神经网络中通常进行的权重更新。

CoSTA方法使用ConvNet聚类结构，重复（1）通过ConvNet生成特征，（2）通过GMM聚类生成软分配，以及（3）使用软分配来更新ConvNet。一旦完成训练，只保留训练好的ConvNet用于特征提取。由于ConvNet主要由卷积层组成，ConvNet提取的每个基因的最终向量应该是一个空间表示。利用这个空间表示可以在一个空间转录组数据集中量化任何两个基因之间的关系，利用UMAP将这个数据集中的所有SE基因可视化，并通过常见的聚类算法分配模式。

CoSTA的功能测试

通过分析模拟和此前发表的空间转录组数据，研究团队证明CoSTA学习基因之间的空间关系的方式是强调更广泛的空间模式而不是pixels级的相关性。CoSTA为每对基因之间的表达模式相似性提供了一个定量的衡量标准，而不仅仅是将基因归类。与其他方法相比，CoSTA识别的范围更窄，但在生物学上是显著相关的基因集。

对合成数据的测试表明，CoSTA具有高度的特异性、对空间关系的依赖性以及区分信号和噪声的能力。

CoSTA 按细胞类型对基因进行分类，并确定MERFISH数据中基因之间的定量关系。

Slide-seq数据的CoSTA分析：CoSTA学习的特征与空间表达模式紧密相关；集成学习确定空间基因表达模式之间的稳定关系。

与SPARK和SpatialDE相比，CoSTA识别出了更小的、但具有特异性和生物学相关性的空间相关基因集。

CoSTA方法可以成功地实现从计算机视觉的深度学习思想来推断空间基因表达关系。这种方法可以应用于任何为每个基因输出基因表达信息的图像类型矩阵的技术，不仅包括本文探讨的Slide-seq和MERFISH，还包括STARmap、10×Visium和HDST。

文中使用的CoSTA代码版本可以在以下网址获取：https://doi.org/10.5281/zenodo.3948711

处理过的MERFISH和Slide-seq数据和本研究中所有分析的脚本可在如下网址获取：https://github.com/rpmccordlab/CoSTA

参考文献

Xu, Y., McCord, R.P. CoSTA: unsupervised convolutional neural network learning for spatial transcriptomics analysis. BMC Bioinformatics 22, 397 (2021).

图片来源于BMC Bioinformatics官网和参考文献，如有侵权请联系删除。

CoSTA：用于空间转录组分析的无监督卷积神经网络学习方法相关推荐

monodepth无监督卷积神经网络深度估计代码解析（一）
论文解析:https://blog.csdn.net/bofu_sun/article/details/89206531 近期在做深度估计相关的毕业设计,发现monodepth项目比较不错,决定尝试一 ...
monodepth无监督卷积神经网络深度估计代码解析（三）
最后我们来看一下主函数论文解析:https://blog.csdn.net/bofu_sun/article/details/89206531 1. 首先是调用一些库函数,同时设置运行文件时的参数 ...
空间转录组分析流程（使用Seurat对空间数据集进行分析）
空间转录组分析流程(使用Seurat对空间数据集进行分析) 因为每次打开这个网页都非常慢,所以我讲这个网页进行一个翻译,方便学习. 使用Seurat对空间数据集进行分析,可视化和集成 1.介绍本教程 ...
深度学习——day9（外 Q1 2021）基于多尺度特征融合的深度监督卷积神经网络路面裂缝检测
基于多尺度特征融合的深度监督卷积神经网络路面裂缝检测导图和笔记资源下载三级目录# (外 Q1 2021)基于多尺度特征融合的深度监督卷积神经网络路面裂缝检测 chap2 传统裂纹检测方法 1)Tr ...
ClusterMap：用于空间基因表达的多尺度聚类分析 | 空间转录组分析工具推荐
在空间背景下量化RNA是了解复杂组织中基因表达和调控的关键.原位转录组方法可以在完整的组织中产生空间分辨率的RNA图谱.然而,目前还缺乏一个统一的计算工具来综合分析原位转录组数据.2021年10月,N ...
Science亮点！ExSeq：完整生物组织的原位空间转录组分析
背景介绍新一代测序技术的革新使得我们对生物体的组学信息有了更深的了解,随着转录组技术的日渐普及,尤其是单细胞转录组技术的突飞猛进,使得我们对组织内细胞异质性的认识有了很大提升,另外, ...
【文献翻译】用于改进脑电图癫痫发作分析的自监督图神经网络 - (DCRNN / SSL)
原文:SELF-SUPERVISED GRAPH NEURAL NETWORKS FOR IMPROVED ELECTROENCEPHALOGRAPHIC SEIZURE ANALYSIS,ICLR ...
012用于癫痫发作预测的半扩张卷积神经网络-2021
Semi-dilated convolutional neural networks for epileptic seizure prediction Abstract 癫痫是一种神经性脑部疾病,影响 ...
人体识别_深度学习资讯 | 用于人体动作识别的26层卷积神经网络
诸如卷积神经网络(CNN)之类的深度学习算法已在各种任务上取得了显著成果,包括那些涉及识别图像中特定人物或物体的任务.基于视觉的人类动作识别(HAR)是计算机科学家经常尝试使用深度学习解决的任务,它特 ...

CoSTA：用于空间转录组分析的无监督卷积神经网络学习方法

CoSTA是什么？

CoSTA的功能测试

CoSTA：用于空间转录组分析的无监督卷积神经网络学习方法相关推荐

最新文章

热门文章