联合非负矩阵分解算法

计算提速显著

首个同时分解空间转录组与组织图像特征的非负矩阵分解方法，用加速分层最小二乘大幅压缩计算时间，让高维空间组学数据的因子发现变得可扩展。

Georgaka, Sokratia · 赵倩 · Martinez-Sanchez, Daniel · Ali, Amin · Baker, Syed Murtuza · Bristow, Robert G. · Iqbal, Mudassar · Rattray, Magnus

Nucleic Acids Research 2025

技术优势

跑得快

采用加速分层最小二乘算法，显著降低计算时间，能够高效处理高维空间转录组数据集。

图像和表达一起用

对空间 RNA 转录本和组织学图像特征进行联合非负矩阵分解，让形态学信息直接参与因子发现，而不是只作为背景参考。

三种癌型都验证过

在三种不同空间分辨率的人类癌症数据上均表现良好，包括高分辨率的 Visium HD 数据集，证明方法对不同分辨率有鲁棒性。

应用场景

• 空间组学分析：从空间转录组数据中快速提取有生物学意义的因子，无需漫长等待。
• 病理图像分析：让病理图像特征参与因子分解，帮助发现与形态相关的表达模式。
• 多模态数据融合：将转录组与图像两种模态在非负矩阵分解框架内同时分解。