登 Cell 子刊！清华大学张强锋课题组开发 SPACE 算法，组织模块发现能力领先同类工具
原文中文，约7500字，阅读约需18分钟。
📝
内容提要
清华大学的研究团队开发了一种名为SPACE的人工智能算法，能够从单细胞分辨率的空间转录组数据中识别细胞类型和发现组织模块。SPACE在细胞类型识别和组织模块发现方面优于其他工具，并可用于大规模的空间转录组研究。该研究为空间转录组数据分析提供了新的解决方案。
❓
Q&A
SPACE算法的主要功能是什么？
SPACE算法能够从单细胞分辨率的空间转录组数据中识别细胞类型和发现组织模块。
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优于其他工具，尤其在复杂组织中表现突出。
SPACE算法是如何进行细胞类型识别的？
SPACE通过自监督学习最小化基因表达谱和邻接图的重构损失，结合细胞基因表达信息和空间邻近细胞的相互作用信息进行细胞类型识别。
SPACE算法的模型结构是怎样的？
SPACE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，使用图自编码器深度学习框架。
SPACE算法在组织模块发现方面的表现如何？
SPACE在组织模块发现方面优于其他先进工具，能够有效识别组织中的模块。
SPACE算法的研究成果发表在哪个期刊上？
SPACE算法的研究成果发表在Cell Systems杂志上。
🏷️
