比原始分辨率高36倍，北航、清华团队用AI在多空间组学平台上高分辨率表征组织，登Nature子刊
内容提要
北京航空航天大学和清华大学的研究人员提出了soScope，这是一个统一的生成框架，旨在提高从各种空间组学技术获得的分子谱的数据质量和空间分辨率。soScope可以汇总来自组学、空间关系和图像的多模态组织信息，并通过分布先验与组学特定建模联合推断出具有增强分辨率的组学谱。通过对多种空间组学平台的综合评估，soScope提高了识别具有生物学意义的肠道和肾脏结构的性能，揭示了无法以原始分辨率解决的胚胎心脏结构，并纠正了测序和样本处理中出现的样本和技术偏差。soScope还扩展到空间多组学技术，提供了一种多功能工具来提高空间组学技术和资源的利用率。
延伸解读
多模态融合如何提升分辨率
soScope的核心在于将组学数据、空间关系和形态学图像整合到一个生成框架中。它把每个原始数据点视为多个“子点”的集合，通过分布先验和组学特定建模，联合推断出更高分辨率的组学谱。这种方法不依赖单一模态，而是利用多模态信息的互补性，从而在多种空间组学平台上实现分辨率增强，并纠正测序和样本处理中的偏差。
跨平台验证与生物学发现
研究团队在Visium、Xenium、spatial-CUT&Tag、slide-DNA/RNA-seq等多个平台上评估了soScope。结果显示，它不仅能提升肠道和肾脏结构的识别性能，还能揭示胚胎心脏中原本无法分辨的精细结构，分辨率提升达36倍。这些发现表明，soScope有助于发现新的生物学细节，尤其在复杂组织结构的表征上具有优势。
扩展到空间多组学的潜力
soScope不仅适用于单一组学，还能扩展到spatial-CITE-seq和空间ATAC-RNA-seq等多组学技术，利用跨组学参考同时增强多个分子类别。这为整合不同组学数据提供了统一工具，有望提高空间组学资源的利用率，推动对复杂生物过程的理解。
当前局限与未来方向
尽管soScope能提升分辨率，但它可能无法达到亚细胞水平，且主要针对预先指定的亚点或细胞位置。研究人员提出，未来可整合配对单细胞组学数据或H&E图像注释，以半监督方式改进推断。对于大型数据集，还可通过部分训练降低计算成本。这些方向有望进一步拓展soScope的应用范围。
Q&A
soScope是什么？
soScope是一个统一的生成框架，旨在提高空间组学技术的数据质量和空间分辨率。
soScope如何提高空间组学的分辨率？
soScope通过汇总多模态组织信息，并使用分布先验与组学特定建模联合推断，来增强组学谱的分辨率。
soScope在生物学研究中有哪些应用？
soScope提高了对肠道和肾脏结构的识别能力，并揭示了胚胎心脏结构，纠正了样本和技术偏差。
soScope的研究成果有哪些？
研究表明，soScope能够揭示比原始分辨率高出36倍的组织结构，并有效适应空间多组学数据。
soScope与其他空间组学技术相比有什么优势？
soScope结合多模态信息，能够提高空间分辨率并减少不必要的变化，适应多种空间组学数据。
soScope的潜在局限性是什么？
soScope可能无法达到亚细胞分辨率，且在某些情况下需要结合单细胞组学数据以提高分辨率。
