空間轉錄組學技術（如 10x Visium、Slide-seq 和 Stereo-seq）的最新進展徹底改變了對組織內基因表達模式的研究🙆🏻。然而🐄，僅僅獲得組織內特定物理坐標的基因表達譜不足以全面了解生物系統的復雜性。為了獲得更深入的見解，必須辨別組織內每個空間點的生物學身份。
2024年4月2日，MK体育平台腦科學研究院諸穎團隊，在《自然通訊》（Nature Communications）上發表了題為《Pianno：為空間轉錄組學自動進行語義註釋的概率框架》（Pianno: a probabilistic framework automating semantic annotation for spatial transcriptomics ）的研究成果（圖1）。團隊開發了空間轉錄組語義註釋工具Pianno，能夠為組織內的空間點自動定義結構或細胞類型，從而結合來自多個維度的信息，加強對復雜生物系統的解釋📬。
圖1：Pianno：為空間轉錄組學自動進行語義註釋的概率框架
團隊將計算機視覺中對數字圖像的“語義分割”概念遷移至空間轉錄組數據，創新性地將標記基因的空間表達處理為偽模式圖像，設計了模式檢測器，為後續貝葉斯分類器提供穩健的先驗分布。該分類器結合馬爾可夫隨機場（MRF）與空間泊松點過程（sPPP），充分利用了 sPPP 建模RNA-seq計數數據分布的能力👭🏻🔅，同時考慮了空間點的位置信息。在MRF先驗模型的設計中🤚🏿，團隊充分考慮了轉錄組和空間位置的局部相似性，以及點之間的整體一致性🫄🏻。在這項研究中，作者展示了 Pianno 在註釋各種形狀的解剖結構以及病竈和細胞類型方面的卓越性能，這些數據來自不同的空間技術平臺🧍♀️。並且研究表明，用Pianno替代勞動密集型人工標註程序，並與無監督聚類方法相結合，有助於揭示新的生物學見解。
圖2. Pianno整體框架
MK体育平台腦科學研究院諸穎研究員為本研究通訊作者😵，諸穎課題組2023屆碩士周雨秋為本研究的第一作者👳🏿。
論文地址：https://doi.org/10.1038/s41467-024-47152-4
