今晚7点丨清华大学博士后李雨哲详解 Cell/Nature 子刊论文，探索基因组学的 AI 应用
内容提要
Meet AI4S第二期将正式开播，邀请到清华大学生命科学学院张强锋实验室博士后李雨哲分享空间转录组学和单细胞组学研究中的AI方法。介绍清华大学开发的基于图自编码器深度学习框架的AI算法SPACE，能够识别空间细胞类型和发现组织模块。直播将介绍算法的设计思路、研究难点以及基因组学研究中的人工智能方法的发展过程和前沿进展。
延伸解读
SPACE 算法的核心思路
SPACE 是一种基于图自编码器的深度学习框架，用于分析单细胞分辨率的空间转录组数据。它通过学习低维的细胞嵌入，同时捕获每个细胞自身的基因表达信息以及其与空间邻近细胞的相互作用信息，从而识别空间细胞类型并发现组织模块。该模型由编码器、邻近图解码器和基因表达解码器三部分组成，编码器采用三层图注意网络。
细胞社区概念的引入
SPACE 定义并发现了细胞社区，即由细胞间相似的相互作用网络定义的组织模块，其空间分布较为均质且具有可辨识边界。这一概念有助于优化基于配体-受体的细胞通讯推断，因为细胞社区内的相互作用网络可以更准确地反映细胞间的通讯关系。
性能优势与验证
在性能评估中，SPACE 在细胞类型识别和组织模块发现方面明显优于其他工具，尤其是在包含多种细胞类型的复杂组织中。研究使用了多个数据集验证 SPACE 的能力，表明其适用于大规模的空间转录组研究，有助于理解空间邻近细胞之间的相互作用如何影响细胞类型和组织模块的生物学功能。
直播内容与学习价值
本次直播由论文第一作者李雨哲博士分享，将介绍 SPACE 算法的设计思路、研究难点，并探讨基因组学研究中人工智能方法的发展过程及前沿进展。观众可以了解基于生成模型的单细胞组学数据整合算法 SCALEX，以及基于图神经网络的空间转录组学数据表征算法 SPACE 和细胞社区概念。
Q&A
李雨哲博士将分享哪些关于空间转录组学的内容？
李雨哲博士将分享空间转录组学和单细胞组学中的AI方法，特别是基于图自编码器的算法SPACE。
SPACE算法的主要功能是什么？
SPACE算法能够识别空间细胞类型和发现组织模块，适用于大规模空间转录组研究。
空间转录组技术为何被认为是生物信息学的重大突破？
空间转录组技术能够获得高分辨率的转录组数据，并与位置信息相对应，确定细胞亚型的空间分布。
SPACE算法与其他工具相比有什么优势？
SPACE在细胞类型识别和组织模块发现方面明显优于其他工具，尤其是在复杂组织中。
直播活动的时间和主题是什么？
直播活动定于8月21日19:00，主题为探索基因组学的AI应用，重点介绍SPACE算法。
清华大学张强锋实验室的研究方向是什么？
张强锋实验室专注于结构生物学、基因组学和机器学习等交叉学科领域。
