复旦脑科学研究院新成果：借鉴语义分割，开发空间转录组语义注释工具 Pianno
内容提要
复旦大学研究团队开发了Pianno工具，利用机器学习和计算机视觉技术自动注释空间转录组数据中的生物身份。Pianno在性能和准确性方面表现出色，并在不同数据集上进行了验证。该研究为空间转录组学研究提供了新的视角，有望推动生物学的发展。
延伸解读
Pianno 如何解决空间转录组注释的痛点
空间转录组数据中，每个空间点包含基因表达和位置信息，但识别其生物学身份通常依赖聚类或手动注释。聚类方法缺乏与已知结构的明确联系，手动注释则受限于专家知识和主观性，且难以规模化。Pianno 借鉴计算机视觉中的语义分割思想，提出空间转录组语义注释概念，利用贝叶斯分类器和马尔科夫随机场，结合标记基因列表，自动为每个空间点定义结构或细胞类型，从而减少人工干预，提高注释的客观性和效率。
Pianno 的性能验证与优势
研究团队在多个数据集上评估了 Pianno 的性能，包括人类背外侧前额叶皮质、小鼠大脑半球、海马体、胰腺导管腺癌和乳腺癌等。与 CellAssign、Leiden 及五种空间聚类方法相比，Pianno 在皮层结构重建中与专家手工注释的一致性最高，在 12 个样本中有 11 个优于其他方法。在细胞类型分布预测中，Pianno 对兴奋性神经元亚型的预测与 Tangram 和 RCTD 相当，且与已知层状结构高度一致，显示出稳健性和准确性。
Pianno 在复杂结构注释中的潜力
Pianno 不仅能注释连续模式，还能处理分散或尖锐的图像模式。在小鼠嗅球数据集中，Pianno 在几分钟内同时完成背景去除和结构标注，而 STAGATE 无法识别所有解剖结构。在肿瘤微环境中，Pianno 对胰腺导管腺癌和乳腺癌样本的注释与专业病理学家的手工标注一致，证明了其在注释不规则复杂结构方面的潜力，为理解肿瘤生物学和个性化治疗策略提供了新思路。
空间转录组工具生态与 AI 赋能趋势
除了复旦大学的 Pianno，其他团队也在开发空间转录组分析工具。例如，中科院数学与系统科学研究院张世华团队发布了 STAGATE、STAligner、STAMarker 等工具，华中师范大学张晓飞课题组开发了 ENGEP 用于预测未测基因表达。这些工具共同推动了空间转录组数据的深度挖掘。AI 的引入不仅提高了研究效率，还为解决科研难点提供了新思路，Pianno 有望以自动化方式替代劳动密集型的人工注释，推动生物学发展。
Q&A
Pianno工具的主要功能是什么？
Pianno工具利用机器学习和计算机视觉技术，自动注释空间转录组数据中的生物身份。
Pianno在空间转录组学中的应用有哪些优势？
Pianno在性能和准确性方面表现出色，能够自动化注释复杂的生物系统，尤其在肿瘤微环境的注释中表现优异。
Pianno是如何提高空间转录组数据注释的准确性的？
Pianno结合了贝叶斯分类器和马尔科夫随机场，利用空间泊松点过程模型，考虑基因表达和空间位置的信息。
复旦大学脑科学研究院在该研究中获得了哪些资助？
该研究项目得到了国家重点研发计划、科技创新2030重大项目、国家自然科学基金等多个基金的资助。
Pianno与传统手动注释方法相比有什么不同？
Pianno能够自动化注释，减少对研究人员专业知识和主观判断的依赖，适用于大规模分析。
Pianno在肿瘤微环境的研究中有什么贡献？
Pianno在注释复杂且分散的肿瘤微环境方面表现出色，为理解肿瘤生物学提供了新思路。
