論文の概要: Querying functional and structural niches on spatial transcriptomics data

• arxiv url: http://arxiv.org/abs/2410.10652v2
• Date: Tue, 17 Jun 2025 07:33:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-18 17:34:59.059912
• Title: Querying functional and structural niches on spatial transcriptomics data
• Title（参考訳）: 空間転写学データに基づく機能的・構造的ニッチの検索
• Authors: Mo Chen, Minsheng Hao, Xinquan Liu, Lin Deng, Chen Li, Dongfang Wang, Kui Hua, Xuegong Zhang, Lei Wei,
• Abstract要約: 空間転写学は、空間的文脈における遺伝子発現のプロファイリングを可能にする。 空間ニッチは、生理的および病理学的過程において凝集的かつ反復的な単位として機能することが明らかにされている。 我々は、ニッチ・オブ・ニッチ(NOI)を与えられたSTサンプル間で類似したニッチを識別するニッチ・クエリータスクを定義した。 我々は、この課題を解決するための特殊な方法であるQueSTを開発した。
• 参考スコア（独自算出の注目度）: 7.240034062898855
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Cells in multicellular organisms coordinate to form functional and structural niches. With spatial transcriptomics enabling gene expression profiling in spatial contexts, it has been revealed that spatial niches serve as cohesive and recurrent units in physiological and pathological processes. These observations suggest universal tissue organization principles encoded by conserved niche patterns, and call for a query-based niche analytical paradigm beyond current computational tools. In this work, we defined the Niche Query Task, which is to identify similar niches across ST samples given a niche of interest (NOI). We further developed QueST, a specialized method for solving this task. QueST models each niche as a subgraph, uses contrastive learning to learn discriminative niche embeddings, and incorporates adversarial training to mitigate batch effects. In simulations and benchmark datasets, QueST outperformed existing methods repurposed for niche querying, accurately capturing niche structures in heterogeneous environments and demonstrating strong generalizability across diverse sequencing platforms. Applied to tertiary lymphoid structures in renal and lung cancers, QueST revealed functionally distinct niches associated with patient prognosis and uncovered conserved and divergent spatial architectures across cancer types. These results demonstrate that QueST enables systematic, quantitative profiling of spatial niches across samples, providing a powerful tool to dissect spatial tissue architecture in health and disease.
• Abstract（参考訳）: 多細胞生物の細胞は機能的および構造的ニッチを形成するために協調する。 空間転写学により、空間的文脈における遺伝子発現プロファイリングが可能となり、空間ニッチが生理的および病理的過程において凝集的かつ反復的な単位として機能することが明らかにされた。 これらの観察は、保存されたニッチパターンによって符号化された普遍的な組織組織原理を示唆し、クエリベースのニッチ分析パラダイムを現在の計算ツールを超えて求めることを示唆している。 本研究では,関心のニッチ(NOI)を与えられたSTサンプル間で類似したニッチを識別するNiche Query Taskを定義した。 我々はさらに、この課題を解決するための特殊な方法であるQueSTを開発した。 QueSTは、各ニッチをサブグラフとしてモデル化し、コントラスト学習を使用して差別的なニッチ埋め込みを学習し、バッチ効果を軽減するために敵のトレーニングを組み込む。 シミュレーションとベンチマークデータセットでは、QueSTはニッチなクエリのために再利用された既存のメソッドよりも優れており、異種環境におけるニッチな構造を正確に把握し、多様なシーケンシングプラットフォーム間で強力な一般化性を示している。 腎癌および肺癌の3次リンパ管構造に応用し,QueSTは患者の予後と機能的に異なるニッチを呈し,癌タイプにまたがる保存的空間構造と分散的空間構造を明らかにした。 以上の結果から,QueSTはサンプル間の空間ニッチの系統的,定量的なプロファイリングを可能にし,健康と疾患における空間組織構造を識別する強力なツールであることが示された。

関連論文リスト

• Adversarial Subspace Generation for Outlier Detection in High-Dimensional Data [41.09135146101542]
  マルチビュー効果を数学的に定式化する新しい理論フレームワークであるMyopic Subspace Theory (MST)を紹介する。 MSTに基づいて、このような最適化問題を解決するために訓練された生成法であるV-GANを導入する。 42の実世界のデータセットに対する実験により、V-GANの使用は1クラスの分類性能を大幅に向上させることが示された。
  論文  参考訳（メタデータ） (2025-04-10T07:40:02Z)
• Generalized Semantic Contrastive Learning via Embedding Side Information for Few-Shot Object Detection [52.490375806093745]
  マイクロショットオブジェクト検出(FSOD)の目的は、少数のトレーニングサンプルで新しいオブジェクトを検出することである。 本稿では,特徴空間とサンプル視点から得られる負の影響を緩和する側面情報を紹介する。 我々のモデルは従来の最先端手法よりも優れており、ほとんどのショット/スプリットにおけるFSODの能力は大幅に向上している。
  論文  参考訳（メタデータ） (2025-04-09T17:24:05Z)
• Spatially-Delineated Domain-Adapted AI Classification: An Application for Oncology Data [3.0566763412020714]
  本研究の目的は,異なる場所型から抽出した複数種類のポイントマップから,対象場所型の2つのクラスを正確に区別するソース位置型で訓練したマップを開発することである。 この問題は、がん治療のための新しい免疫療法を設計するための臨床仮説を作成するなど、多くの応用において社会的に重要である。 空間的混在マスキングや空間的コントラッシブな予測符号化といった空間的配置をターゲットとした,空間的なAI分類のための新しいマルチタスク・セルフラーニングフレームワークを探索する。
  論文  参考訳（メタデータ） (2025-01-20T19:20:13Z)
• Multi-modal Spatial Clustering for Spatial Transcriptomics Utilizing High-resolution Histology Images [1.3124513975412255]
  空間転写学(spatial transcriptomics, ST)は、空間的文脈を保ちながら、転写産物全体の遺伝子発現プロファイリングを可能にする。 現在の空間クラスタリング法では、高解像度の組織像と遺伝子発現データを完全に統合することができない。 本稿では、遺伝子発現データと組織像の特徴を融合した、新しいコントラスト学習に基づく深層学習手法を提案する。
  論文  参考訳（メタデータ） (2024-10-31T00:32:24Z)
• Decoding Diffusion: A Scalable Framework for Unsupervised Analysis of Latent Space Biases and Representations Using Natural Language Prompts [68.48103545146127]
  本稿では拡散潜在空間の教師なし探索のための新しい枠組みを提案する。 我々は、自然言語のプロンプトと画像キャプションを直接利用して、遅延方向をマップする。 本手法は,拡散モデルに符号化された意味的知識をよりスケーラブルで解釈可能な理解を提供する。
  論文  参考訳（メタデータ） (2024-10-25T21:44:51Z)
• Few-Shot Learning for Annotation-Efficient Nucleus Instance Segmentation [50.407071700154674]
  少数ショット学習(FSL)の観点から、アノテーション効率の良い核インスタンスセグメンテーションを定式化することを提案する。 我々の研究は、計算病理学の隆盛とともに、多くの完全注釈付きデータセットが一般に公開されていることに動機づけられた。 いくつかの公開データセットに対する大規模な実験は、SGFSISが他のアノテーション効率のよい学習ベースラインより優れていることを示している。
  論文  参考訳（メタデータ） (2024-02-26T03:49:18Z)
• Towards Spatially-Lucid AI Classification in Non-Euclidean Space: An Application for MxIF Oncology Data [3.0566763412020714]
  異なる場所タイプの複数カテゴリの点集合が与えられた場合、我々のゴールは空間分解型分類器を開発することである。 この問題は、腫瘍と腫瘍の関係を解析し、新しい免疫療法を設計するために、腫瘍学などの多くの応用において重要である。 我々は、重み付き距離学習率や空間領域適応など、異なるトレーニング戦略を明示的に用いた空間アンサンブルフレームワークを探索する。
  論文  参考訳（メタデータ） (2024-02-22T21:22:21Z)
• Must: Maximizing Latent Capacity of Spatial Transcriptomics Data [41.70354088000952]
  本稿では,この課題に対処する新しい手法である MuST について述べる。 STデータに含まれるマルチモダリティ情報を一様潜在空間に効果的に統合し、下流の全てのタスクの基礎を提供する。 その結果, 組織やバイオマーカーの構造を正確に同定し, 保存する上で, 既存の最先端手法よりも優れていることがわかった。
  論文  参考訳（メタデータ） (2024-01-15T09:07:28Z)
• Self-Supervised Learning of Representations for Space Generates Multi-Modular Grid Cells [16.208253624969142]
  哺乳類の系統は 顕著な空間表現を発達させました 重要な空間表現の一つがノーベル賞受賞格子細胞である。 ノーベル賞受賞時のグリッド細胞は、自己位置、局所的および周期的な量を表す。
  論文  参考訳（メタデータ） (2023-11-04T03:59:37Z)
• Learning Invariant Molecular Representation in Latent Discrete Space [52.13724532622099]
  本稿では,分散シフトに対する不変性とロバスト性を示す分子表現を学習するための新しい枠組みを提案する。 我々のモデルは、様々な分布シフトが存在する場合に、最先端のベースラインに対してより強力な一般化を実現する。
  論文  参考訳（メタデータ） (2023-10-22T04:06:44Z)
• Contrastive Neighborhood Alignment [81.65103777329874]
  本稿では,学習特徴のトポロジを維持するための多様体学習手法であるContrastive Neighborhood Alignment(CNA)を提案する。 対象モデルは、対照的な損失を用いて、ソース表現空間の局所構造を模倣することを目的としている。 CNAは3つのシナリオで説明される: 多様体学習、モデルが元のデータの局所的なトポロジーを次元還元された空間で維持する、モデル蒸留、小さな学生モデルがより大きな教師を模倣するために訓練される、レガシーモデル更新、より強力なモデルに置き換えられる、という3つのシナリオである。
  論文  参考訳（メタデータ） (2022-01-06T04:58:31Z)
• Multi-Class Cell Detection Using Spatial Context Representation [23.542218679448624]
  デジタル病理学では、細胞の自動診断および予後タスクにおいて、細胞の検出と分類の両方が重要である。 既存の方法は、個々の細胞の形態学的外観に焦点をあてるが、実際は、病理学者は、しばしばその空間的文脈を通して細胞クラスを推測する。 本研究では,空間的文脈情報を明示的に組み込んだ検出と分類のための新しい手法を提案する。
  論文  参考訳（メタデータ） (2021-10-10T19:54:40Z)
• Low-Rank Subspaces in GANs [101.48350547067628]
  この研究は、GAN生成をより正確に制御できる低ランクな部分空間を導入している。 LowRankGAN は属性多様体の低次元表現を見つけることができる。 さまざまなデータセットでトレーニングされた最先端のGANモデル(StyleGAN2やBigGANなど)の実験は、私たちのLowRankGANの有効性を示しています。
  論文  参考訳（メタデータ） (2021-06-08T16:16:32Z)
• Spatial-Temporal Correlation and Topology Learning for Person Re-Identification in Videos [78.45050529204701]
  クロススケール空間時空間相関をモデル化し, 識別的, 堅牢な表現を追求する新しい枠組みを提案する。 CTLはCNNバックボーンとキーポイント推定器を使用して人体から意味的局所的特徴を抽出する。 グローバルな文脈情報と人体の物理的接続の両方を考慮して、多スケールグラフを構築するためのコンテキスト強化トポロジーを探求する。
  論文  参考訳（メタデータ） (2021-04-15T14:32:12Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。