[논문] Quantitative characterization of cell niches in spatially resolved omics data

Quantitative characterization of cell niches in spatially resolved omics data

Nichecompass

---

• Niche: 나의 스팟을 기준으로 주위 어떤 스팟이 있느냐 + GP
  • 노드(spot/cell) 간 신호경로를 그래프 형태로 학습한 것
  • 기능적으로 다른 클러스터
  • 유전자 발현 + 공간 좌표 + 샘플별 covatiates
• slef: receiver, receptor의 역할
• neighbor: sender, ligand의 역할
• gene programing, gp: 서로 기능적으로 연관된 유전자들의 집합. 활성화되는 유전자 세트
  • gp 구성: prior gp / de novo gp
  • gp 간의 cosin simularity를 구한 후 판단
  • expression 값으로 결정되는 정보가 벡터로 들어감
• graph decoder: cosine similarity / reconstructed adjacency
• omics decoers: z vector(gp 활동도)로부터 복원.
• prior knowledge 어떻게 정의할 것인지. 다 가지고 와서 embedding vecor로. multimodal 확보, embedding vector 설계가 중요한 부분일 것
• VAE로 latent vector 생성. (손실함수 정의 중요. 연구에서는 cosin simularity)이 vector로 클러스터링해 Niche 찾기
• gene set 정의하는 방식.
• gp activity map과 marker gene 발현이 spatial하게 일치