登Nature子刊｜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，比原始分辨率高36倍

空间组学的最新进展已将分子类别分析的范围扩展到转录组学之外。然而，许多此类技术都受到空间分辨率的限制，阻碍了科学家深入表征复杂组织结构的能力。现有的计算方法主要侧重于转录组学数据的分辨率增强，缺乏针对各种组学类型的新兴空间组学技术的适应性。

在这里，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 Visium、Xenium、spatial-CUT&Tag、slide-DNA/RNA-seq 等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。

此外，soScope 扩展到空间多组学技术 spatial-CITE-seq 和空间 ATAC-RNA-seq，利用跨组学参考同时进行多组学增强。soScope 提供了一种多功能工具来提高不断扩展的空间组学技术和资源的利用率。

该研究以「Tissue characterization at an enhanced resolution across spatial omics platforms with deep generative model」为题，于 2024 年 8 月 2 日发布在《Nature Communications》。

组织是由具有不同分子状态和空间组织的细胞构成的。空间组学技术近年来取得了显著进展，可以在保持空间背景的同时，对各种分子类别进行空间分析。

这些技术在多种生物领域中提供了重要见解，虽然取得了早期成功，但仍面临两个主要挑战：冷冻或福尔马林固定的组织可能