LLOT：基于拉普拉斯线性最优传输的空间转录组重建方法
应用统计
2024-08-28 v1
摘要
单细胞RNA测序(scRNA-seq)允许对转录录为进行轮廓化，并对单个细胞进行细胞类型注释。然而，典型scRNA-seq实验中的样本制备常常均匀化样本，导致单个细胞的空间位置常常丢失。虽然空间转录组技术，如原位杂交(ISH)或Slide-seq，可用于在样本中特定位置测量基因表达，但仍然是一个在组织中以单个细胞分辨率测量或推断每个基因表达水平的挑战。现有的计算方法在通过整合scRNA-seq数据与空间表达数据（如来自空间转录组的数据）来重建这些缺失数据方面显示出前景。本文描述了拉普拉斯线性最优传输(LLOT)，这是一种用于整合单细胞和空间转录组数据以在整个基因组和单个细胞分辨率上重建缺失信息的可解释方法。LLOT迭代纠正平台效应，并利用拉普拉斯最优传输将空间转录组数据中的每个spot分解为单细胞的在空间上的平滑概率混合物。我们在Drosophila胚胎、小鼠小脑以及本文中由scDesign3生成的合成数据集上对LLOT进行了基准测试，另外在补充材料中还使用了另外三个数据集。结果显示，LLOT在重建空间表达方面 consistently 优于其他方法。
引用
@article{arxiv.2408.15149,
title = {LLOT: application of Laplacian Linear Optimal Transport in spatial transcriptome reconstruction},
author = {Junhao Zhu and Kevin Zhang and Dehan Kong and Zhaolei Zhang},
journal= {arXiv preprint arXiv:2408.15149},
year = {2024}
}