国产空间组分析工具 | NC发表跨平台、多模态空间组学比对与整合方法：SLAT

空间分辨组学技术揭示了不同生物系统中细胞的空间组织。2023年11月，《Nature Communications》发表了一种基于图的算法——SLAT，其采用图对抗匹配策略，是首个能够对不同技术和模式的异源空间数据进行对齐的算法。

SLAT是什么？

SLAT是一个用于对齐同质和异构单细胞空间数据集的统一框架。通过将细胞间关系建模为空间图，SLAT采用图神经网络和对抗性匹配来稳定对齐空间切片。除了系统基准测试显示的卓越性能外，作为第一个能够对齐异构空间数据的算法，SLAT引入了广泛的应用场景，包括跨不同技术和实验条件的对齐。

SLAT的性能测试

空间组学数据对齐的挑战之一在于不同空间组学技术平台的分辨率有着较大差异。例如，10x Visium的分辨率是50微米、Spatial ATAC-seq的分辨率是20微米、Stereo-seq的分辨率是0.2微米，差异达到了2个数量级。SLAT引入了可变临域概念，对于不同分辨率的技术在建图时采用不同的邻域大小，使得来自异质性空间数据的细胞的空间表示能够可比，从而在跨平台（Xenium与Visium，Stereo-seq与seqFISH）、跨组学（Stereo-seq与spatial-ATAC-seq）等异质数据的对齐上均有优秀的效果。

基准测试表明：SLAT的精度、稳健性和速度优于现有技术。

在多个真实世界数据集上的应用进一步显示了：SLAT在提高细胞类型分辨率、整合多种模式进行调控推断以及绘制发育过程中精细尺度空间-时间变化图谱等方面的实用性。

综上，SLAT为各种空间整合场景提供了统一的框架。为了促进研究应用，SLAT包机器详细教程和演示案例可在如下链接获取：https://github.com/gao-lab/SLAT

北京大学生命科学学院博士生夏辰睿为该论文第一作者，生命科学学院本科生屠鑫明(现为华盛顿大学计算机科学与工程学院博士生)为论文的共同作者，“博雅博士后”曹智杰博士为该论文共同通讯暨共同第一作者。该研究得到了国家重点研发计划、蛋白质与植物基因研究国家重点实验室、北京未来基因诊断高精尖创新中心和昌平实验室的资助。计算分析工作于昌平实验室高性能计算平台、北京大学太平洋高性能计算平台与北京大学高性能计算校级公共平台完成。

参考文献
Xia, CR., Cao, ZJ., Tu, XM. et al. Spatial-linked alignment tool (SLAT) for aligning heterogenous slices. Nat Commun 14, 7236 (2023). https://doi.org/10.1038/s41467-023-43105-5.
信息来源：“药学进展”公众号.