《NatureCommunications》刊發(fā)北航鄧岳教授團(tuán)隊(duì)在AIforScience方面的最新研究成果

　　北航新聞網(wǎng)8月5日電(通訊員 張晨曦)自2022年Open AI推出ChatGPT以來，生成式人工智能技術(shù)便迎來了其迅猛的發(fā)展浪潮。這些技術(shù)在處理文本、圖像、視頻等單一模態(tài)數(shù)據(jù)時(shí)，已經(jīng)展現(xiàn)出了深遠(yuǎn)的影響力，成為了推動(dòng)領(lǐng)域自動(dòng)化、革新生產(chǎn)方式和輔助人類決策的重要手段。然而，在基礎(chǔ)科學(xué)與人工智能的交叉領(lǐng)域，特別是在AI for Science、空間組學(xué)、腦科學(xué)等研究領(lǐng)域，依賴單一模態(tài)的數(shù)據(jù)分析往往難以充分揭示生物組織的復(fù)雜性。為了更深入地理解生物組織不同區(qū)域的功能和聯(lián)系，在統(tǒng)一的空間坐標(biāo)上整合來自不同技術(shù)的多模態(tài)數(shù)據(jù)一個(gè)能夠整合多模態(tài)數(shù)據(jù)的生成式模型顯得尤為關(guān)鍵。

　　基于團(tuán)隊(duì)在多模態(tài)數(shù)據(jù)融合(Nature Biotechnology 2022)的工作積累，2024年8月2日，北京航空航天大學(xué)人工智能學(xué)院鄧岳教授團(tuán)隊(duì)和清華大學(xué)自動(dòng)化系戴瓊海院士團(tuán)隊(duì)合作在《Nature Communications》上發(fā)表了文章《Tissue characterization at an enhanced resolution across spatial omics platforms with deep generative model》。文章提出了一種多模態(tài)融合的統(tǒng)一生成式模型，通過對(duì)圖像數(shù)據(jù)與空間組學(xué)進(jìn)行聯(lián)合生成式建模，實(shí)現(xiàn)了對(duì)包括腦在內(nèi)的復(fù)雜生物組織的精確刻畫，為空間組學(xué)的研究提供了新的工具和方法。

　　這項(xiàng)研究中提出的空間組學(xué)統(tǒng)一生成模型(spatial omics scope,soScope)整合了來自多種觀測(cè)技術(shù)中的形態(tài)學(xué)、組學(xué)以及空間位置信息，對(duì)從高分辨生物組織中采集低分辨觀測(cè)數(shù)據(jù)過程進(jìn)行生成式建模。這一過程被建模為：低分辨率的空間組學(xué)觀測(cè)值是由高分辨率空間組學(xué)的集合和隨機(jī)擾動(dòng)共同影響的結(jié)果;而高分辨率空間組學(xué)的表達(dá)量不僅與特定區(qū)域的隱狀態(tài)緊密相關(guān)，還與高分辨率的形態(tài)學(xué)特征息息相關(guān)?；谶@種關(guān)聯(lián)，soScope模型能夠?qū)⒉煌目臻g組學(xué)觀測(cè)結(jié)果，通過一個(gè)統(tǒng)一的生成過程來綜合描述(圖1a)。網(wǎng)絡(luò)通過整合低分辨率組學(xué)信息的空間關(guān)系和高分辨率圖像特征，推斷并采樣出高空間分辨率下的空間組學(xué)特異性概率分布，實(shí)現(xiàn)了對(duì)生物組織結(jié)構(gòu)的精確刻畫(圖1)。

　　利用提出的方法，文章在多種技術(shù)產(chǎn)生的數(shù)據(jù)上進(jìn)行了實(shí)驗(yàn)。研究團(tuán)隊(duì)首先選擇了空間轉(zhuǎn)錄組數(shù)據(jù)領(lǐng)域內(nèi)廣為應(yīng)用的平臺(tái)——Visium和Xenium，構(gòu)建了低分辨率的仿真數(shù)據(jù)集。在此基礎(chǔ)上，他們運(yùn)用soScope模型進(jìn)行了數(shù)據(jù)恢復(fù)實(shí)驗(yàn)，旨在測(cè)試和驗(yàn)證模型的性能。實(shí)驗(yàn)結(jié)果顯示，soScope不僅成功地恢復(fù)了人類腸道組織和小鼠大腦的精細(xì)結(jié)構(gòu)(圖2a)，而且在恢復(fù)精度上達(dá)到了最高水平(圖2b)。這一結(jié)果證明了soScope在處理空間轉(zhuǎn)錄組數(shù)據(jù)時(shí)的建模精確性，為空間組學(xué)研究提供了強(qiáng)有力的支持，證實(shí)了soScope作為一種新型工具的潛力和可靠性。

　　在進(jìn)一步的實(shí)驗(yàn)中，該研究利用了基于spatial CUT&Tag技術(shù)采集的小鼠胚胎的數(shù)據(jù)(圖3a)。這項(xiàng)技術(shù)允許研究人員對(duì)小鼠胚胎中的DNA與蛋白質(zhì)相互作用進(jìn)行深入分析，以測(cè)試soScope對(duì)于不同空間組學(xué)數(shù)據(jù)的解析能力。soScope成功地消除了小鼠多個(gè)器官區(qū)域，包括前腦在內(nèi)的測(cè)序噪聲，顯著提升了對(duì)小鼠胚胎多個(gè)器官結(jié)構(gòu)的辨析度(圖3b)。此外，它還顯著增強(qiáng)了組織內(nèi)部的連續(xù)性，揭示了在原始分辨率下不可見的精細(xì)結(jié)構(gòu)，例如小鼠胚胎心臟的雙層結(jié)構(gòu)(圖3c)。這些發(fā)現(xiàn)不僅證明了soScope在不同空間組學(xué)數(shù)據(jù)中提高空間分辨率和降低噪聲方面的強(qiáng)大能力，也展示了其在捕獲精細(xì)組織結(jié)構(gòu)方面的卓越性能。

　　此外，soScope的性能還在多個(gè)測(cè)序平臺(tái)(spatia-CITE-seq、spatial ATAC-RNA-seq、slide DNA/RNA-seq等)以及多種生物組織(包括人類皮膚、小鼠肝臟等)上得到了驗(yàn)證。soScope不僅可用于空間多組學(xué)的聯(lián)合分析中，還能夠?qū)崿F(xiàn)不同數(shù)據(jù)類型間的協(xié)同優(yōu)化，為空間多組學(xué)數(shù)據(jù)的分析提供了工具。

　　文章通過采用多模態(tài)融合的統(tǒng)一生成式框架，成功地在多個(gè)空間組學(xué)平臺(tái)和不同的生物組織樣本上進(jìn)行了深入分析和驗(yàn)證。這一框架不僅證明了其在處理和整合多種生物數(shù)據(jù)類型方面的強(qiáng)大能力，而且為研究者提供了一種新的工具，以更全面和精確的方式探究復(fù)雜生物結(jié)構(gòu)的精細(xì)功能。

　　本工作得到了國家自然科學(xué)基金杰出青年科學(xué)基金，國家自然科學(xué)基金重點(diǎn)項(xiàng)目的支持。