合作开发面向大规模异质性空间转录组学切片的表征与空间特征解析方法PASSAGE

该研究创新性地将整张切片作为计算建模的对象，提出了切片级别嵌入（slice-levelembedding）的深度学习算法PASSAGE，有效地增强了算法的计算效率和可扩展性，可应用到大规模异质性空间转录组学数据的表型关联空间特征识别。在乳腺癌、鳞状细胞癌等跨平台（ST/Visium）数据测试中，成功消除批次效应并精准识别肿瘤区域，其发现的乳腺癌相关基因集与既往研究高度吻合，验证了模型的生物学解释性。PASSAGE框架通过系统性整合多尺度数据，有望发展为空间转录组学的基础性AI模型，助力精准医学研究。相关成果于2025年2月4日发表在Small Methods。