上海
尽管单细胞基础模型在捕获复杂的基因与细胞特征方面功能强大，但它们仅关注细胞内的基因相互作用，而忽略了细胞外的信号传导。空间转录组学（ST）提供了在原生组织位置上解析基因表达的技术。然而，现有的单细胞基础模型尚未利用这一额外的空间信息。
近日， 中国科学院过程工程研究所、上海大学和上海交通大学的研究人员在Cell Reports Methods期刊在线发表题为stFormerintegrates spatial ligand signaling into a foundation model for spatial transcriptomics的研究论文。该研究开发了一种适用于空间转录组数据的Transformer模型，与单细胞基础模型相比，该模型提升了细胞层面和基因层面的分析能力，并可开展计算扰动，以研究空间配体信号的响应。
这一名为stFormer的模型利用交叉注意力机制来整合空间配体基因信号，研究人员还推导出一种偏置交叉注意力公式，以统一不同分辨率和基因覆盖范围的空间转录组平台。借助这一偏置交叉注意力机制，模型能够在具有全转录组覆盖但分辨率较低的Visium数据上以单细胞分辨率进行学习。
研究人员从公开的人类Visium数据集中汇集了约410万个空间样本，构建了预训练语料库。经过预训练后，该模型可同时兼容单细胞分辨率和低分辨率的空间转录组数据。
“空间配体表达提供了额外信息，从而在单细胞基础模型的基础上进一步提升了性能。”该研究通讯作者袁野教授表示。他指出，该模型在细胞聚类、批次校正、细胞类型预测和基因功能预测等多项任务中均优于当前最先进的单细胞基础模型scFoundation。
此外，stFormer还支持对空间配体—受体相互作用进行计算扰动，拓展了其在机制探索方面的应用价值。在两项案例研究中，作者展示了stFormer成功刻画了人类发育中皮层区域的分层结构，并识别出在免疫浸润的肿瘤微环境中激活T细胞免疫的抗原呈递基因。
总而言之，这项研究建立了一种将空间信息融入基因表达序列模型、并兼容多种空间转录组技术的模型架构，为空间转录组数据分析提供了一个多功能工具——该工具通过预训练学习通用知识，并将其迁移至特定的空间转录组数据中，用于生物学探索。
图. 模型架构、预训练数据集及下游任务概览
原文链接：https://doi.org/10.1016/j.crmeth.2026.101612
制版人：十一
学术合作组织
（*排名不分先后）
推荐直播
转载须知
【非原创文章】本文著作权归文章作者所有，欢迎个人转发分享，未经作者的允许禁止转载，作者拥有所有法定权利，违者必究。
BioArt
Med
Plants
人才招聘
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
