Large-scale spatial variable gene atlas for spatial transcriptomics
Jiawen Chen, Jinwei Zhang, Dongshen Peng, Yutong Song, Aitong Ruan, Yun Li, Didong Li
空间可变基因(SVGs)揭示了有关组织结构,细胞相互作用和疾病微环境的关键信息。 随着空间转录组学(ST)技术的增殖,在不同平台,组织类型和疾病环境中准确识别SVG已成为一个重大机遇和重大计算挑战。 在这里,我们介绍了一项全面的基准测试研究,研究20种最先进的SVG检测方法,使用STimage-1K4M的人类幻灯片,STimage-1K4M是一种大规模的ST数据资源,包括来自18种以上组织类型的662张幻灯片。 我们通过一系列生物学和技术上有意义的标准来评估每种方法,包括恢复病理学家注释的域特异性标记,交叉滑动可重复性,高分辨率数据的可扩展性以及技术变化的稳健性。 我们的研究结果揭示了性能上的显著差异,具体取决于组织类型、空间分辨率和研究设计。 除了基准测试之外,我们还构建了SVG的第一个交叉组织图集,能够比较分析癌症和正常组织的空间基因程序。 我们观察到反映发育和功能关系的组织对之间的相似性,例如胸腺和淋巴结之间的高重叠,并发现与癌症中的转移,免疫渗透和原产组织身份相关的空间基因程序。 我们的工作共同定义了评估和解释空间基因表达的框架,并为ST社区建立了参考资源。
Spatial variable genes (SVGs) reveal critical information about tissue architecture, cellular interactions, and disease microenvironments. As spatial transcriptomics (ST) technologies proliferate, accurately identifying SVGs across diverse platforms, tissue types, and disease contexts has become both a major opportunity and a significant computational challenge. Here, we present a comprehensive benchmarking study of 20 state-of-the-art SVG detection methods using human slides from STimage-1K4M, ...
