BayeSMART: Agrupación Bayesiana de Datos de Transcriptómica Espacialmente Resuelta de Múltiples Muestras

Resumen El campo de la transcriptómica espacialmente resuelta (SRT) ha avanzado enormemente nuestra comprensión de los microentornos celulares al integrar información espacial con datos moleculares recolectados de múltiples secciones de tejido o individuos. Sin embargo, faltan métodos para la agrupación espacial de múltiples muestras, y los métodos existentes se basan principalmente en información molecular solamente. Este documento presenta BayeSMART, un método estadístico bayesiano diseñado para identificar dominios espaciales a través de múltiples muestras. BayeSMART aprovecha la información reconstruida a nivel de célula única mediante inteligencia artificial (IA) de las imágenes de histología emparejadas de conjuntos de datos de SRT de múltiples muestras, al mismo tiempo que considera el contexto espacial de la expresión génica. La integración de IA permite a BayeSMART interpretar efectivamente los dominios espaciales. Realizamos estudios de caso utilizando cuatro conjuntos de datos de varios tipos de tejido y plataformas de SRT y comparamos BayeSMART con enfoques alternativos de agrupación espacial de múltiples muestras y varios métodos de vanguardia para análisis de SRT de una sola muestra, demostrando que supera los métodos existentes en términos de precisión de agrupación, interpretabilidad y eficiencia computacional. BayeSMART ofrece nuevas perspectivas sobre la organización espacial de las células en datos de SRT de múltiples muestras.