Small Methods | 北京大学高歌课题组提出面向大规模异质性空间转录组学切片的表征与解析方法PASSAGE

北京大学高歌课题组在期刊Small Methods上发表了一项研究，提出了一种名为PASSAGE的新方法，用于大规模异质性空间转录组学切片的表征与解析。该研究创新性地将整张切片作为计算建模的对象，开发了一种切片级别嵌入的深度学习算法，有效提高了算法的计算效率和可扩展性。PASSAGE方法通过多层次注意力机制，从切片、细胞与分子多个层次进行不同粒度的表征学习与解析，能够有效处理不同样本之间的批次效应，并识别出与特定表型关联的空间组学特征。研究还展示了PASSAGE在乳腺癌案例中的应用，成功识别出与疾病进程高度相关的基因集，增强了模型的生物学可解释性。该研究得到了国家自然科学基金等多个项目的支持，相关代码已开源。