STdGCN: räumliche transcriptomische Zelltyp-Dekovolution mit graphbasierten konvolutionalen Netzwerken

Räumlich aufgelöste Transkriptomik integriert Hochdurchsatz-Transkriptommessungen mit erhaltenen Informationen zur räumlichen Zellorganisation. Viele Technologien erreichen jedoch nicht die Einzelzellauflösung. Wir präsentieren STdGCN, ein Graph-Modell, das Einzelzell-RNA-Sequenzierung (scRNA-seq) als Referenz für die Zelltyp-Dekovolution in räumlichen transcriptomischen (ST) Daten nutzt. STdGCN umfasst Expressionsprofile von scRNA-seq und räumliche Lokalisation aus ST-Daten zur Dekovolution. Umfangreiche Benchmarking-Tests auf mehreren Datensätzen zeigen, dass STdGCN 17 state-of-the-art Modelle übertrifft. In einem menschlichen Brustkrebs-Visium-Datensatz zeichnet STdGCN Stroma, Lymphozyten und Krebszellen nach und unterstützt die Analyse des Tumormikroumfelds. In menschlichen Herz-ST-Daten identifiziert STdGCN Veränderungen in der Kommunikation zwischen Endothelzellen und Kardiomyozyten während der Gewebeentwicklung.