对比学习空间组学模型

统一单多切片整合

结合多视图图网络、对比学习与注意力机制，在统一框架下整合单切片与多切片空间转录组数据，性能优于现有方法。

王湘 · Liu, Wei · 李宏伟

Genome Biology 2025

参数信息

单切片方法对比数量

9

多切片方法对比数量

7

测试数据集数量

16

技术优势

单多切片通吃

同一个框架能处理对齐和未对齐的切片数据，不用为两种场景维护两套流程。

直接取用最佳集成

把多视图图网络、对比学习、注意力和批次提示模块打包在一起，省去自己组合消融的工作。

结果更可解释

除了性能领先，它在不同组织和条件下都能给出有生物学意义的空间域，不像有些工具只报分却不解释组织。

应用场景

• 空间转录组分析：识别组织切片中的空间域，代替传统聚类或手动划区。
• 单细胞数据整合：整合多个切片的转录组数据，消除批次差异并保留生物信号。
• 组织图谱构建：跨样本对齐后用于构建统一组织图谱，提升图谱一致性。
• 病理切片分析：对病理切片进行空间域划分，辅助识别形态学异常区域。