STELLA空间转录组学框架

高精度空间域识别

通过动态图神经网络与自监督学习，实现空间域识别和细胞通讯网络解码，在多个平台数据集中表现优于现有方法。

Mengqiu, Wang · Zhiwei, Zhang · Zhenghui, Wang · Ruoyan, Dai · Lixin, Lei · Zhenxing, Li · 郭前进

Science China Life Sciences 2026

技术优势

精准识别空间域

STELLA通过动态图神经网络和自监督学习相结合，能够准确识别空间域，并在多平台数据集中表现优于现有方法。

解码细胞通讯网络

STELLA能够解码细胞间通讯网络，例如在小鼠纹状体中检测到PERIOSTIN和MHC-II形成的中央-外周双向调控网络。

多平台通用

STELLA在多个平台的数据集中均能稳定识别空间域并揭示生物学相关的空间组织特征。

应用场景

• 空间转录组数据分析：用于从空间转录组数据中识别空间域并解码细胞间通讯网络，替代传统方法提高准确性。
• 肿瘤微环境解码：用于解析肿瘤微环境中的空间异质性，例如识别肿瘤-肌肉界面区域并揭示相关分子机制。
• 细胞通讯网络分析：用于推断细胞间通讯网络，例如发现PERIOSTIN和MHC-II在中枢和外周的双向调控关系。
• 神经科学空间图谱：用于神经科学中的空间图谱构建，例如分析小鼠纹状体和蝾螈脑再生过程中的空间动态。