SPHENIC：面向空间转录组的拓扑感知多视图聚类方法
机器学习
2026-01-21 v2 人工智能
摘要
空间转录组聚类是通过利用空间位置信息来识别细胞亚群的关键技术。虽然近期基于图的建模细胞间相互作用的方法在聚类准确性方面取得了显著进展，但仍受到两个关键限制：(i)静态图中依赖局部聚合的做法往往无法捕捉鲁棒的全局拓扑结构（如环形结构和空洞），且易受噪声边缘的干扰；(ii)维度约简技术常常忽略空间连贯性，导致实际上相邻的空间位置在潜在空间中被错误地分离。为此，我们提出了SPHENIC方法，即Spatial Persistent Homology-Enhanced Neighborhood Integrative Clustering，具体做法是显式地将拓扑不变特征纳入聚类网络，以确保其在面对噪声时的鲁棒表示学习。此外，我们设计了双正则化优化模块，在分布优化的基础上还施加了空间约束，确保嵌入空间保留细胞的物理相邻关系。广泛的在11个基准数据集上的实验表明，SPHENIC相较于当前最先进的方法提高了4.19%-9.14%的性能，验证了其在刻画复杂组织结构方面的优势。
引用
@article{arxiv.2508.10646,
title = {SPHENIC: Topology-Aware Multi-View Clustering for Spatial Transcriptomics},
author = {Chenkai Guo and Yikai Zhu and Renxiang Guan and Jinli Ma and Siwei Wang and Ke Liang and Guangdun Peng and Dayu Hu},
journal= {arXiv preprint arXiv:2508.10646},
year = {2026}
}
备注
9 pages, 5 figures, 2 tables