提升空间转录组学数据的潜在能力
原文中文，约500字，阅读约需2分钟。发表于：。Spatial transcriptomics 技术在组织中提供了多模态的转录组、空间和形态学数据，为了解转录组以外的组织生物学提供了机会。然而，我们发现 ST 数据种类中存在模态偏差现象，即不同模态对标签的贡献不一致导致分析方法倾向于保留主导模态的信息。本文介绍了一种名为 MuST 的多模态结构转换方法，它有效地将 ST...
Spatial transcriptomics技术整合多模态信息到均匀的潜空间，解决模态偏差现象。MuST方法通过拓扑发现策略和拓扑融合损失函数解决不一致性，优于现有方法。MuST为复杂生物系统的精细分析提供了多功能工具包。
