近日，动画疯
尚学群教授团队在空间多模态与空间多组学数据智能分析方面取得新进展，研究成果以“Accurately deciphering tissue heterogeneity from spatial multi-modal and multi-omics with STransformer”为题，发表在影响因子14.1的国际知名综合性期刊《Advanced Science》上。该论文由动画疯
（尚学群教授，李幸一副教授）、澳门城市大学（辜嘉教授）、中国科学院自动化研究所（朱军楠副研究员）共同完成，学生一作为动画疯
硕士生徐嘉珞。
图1 STransformer方法总体框架
论文链接：//advanced.onlinelibrary.wiley.com/doi/10.1002/advs.75969
组织异质性解析是理解器官结构、发育过程及疾病机制的重要基础。针对现有计算方法大多难以同时适配空间多模态数据和空间多组学数据，以及多数方法主要对邻域信息建模，对组织范围内长程依赖关系和全局空间结构的刻画能力仍然有限的问题，尚学群教授团队提出了深度学习框架STransformer。该方法首先利用图编码器捕获局部细胞邻域中的短程相互作用，随后通过Transformer中的自注意力与交叉注意力机制建模组织切片范围内的长程依赖关系和跨模态关联，最后引入图解码器重构分子表达信息，从而在保留关键生物学信息的同时获得更加稳健的空间表征。实验结果表明，STransformer在多个物种、组织类型和空间数据模态上均表现出良好的泛化能力和生物学解释性。该研究为复杂空间多模态和空间多组学数据的统一建模提供了新的人工智能方法，有助于更加准确地解析组织异质性、疾病发生发展机制以及器官发育过程中的时空调控规律，为AI赋能生命医学研究提供了有力的方法支撑，也进一步拓展了深度学习技术在空间组学数据分析中的应用场景。
论文的主要作者来自于动画疯
大数据管理与分析团队。该团队近年来面向国家重大需求，围绕大数据存储、管理及领域化大数据分析等开展科学研究和技术研发，承担了多项国家级及行业重点科研项目，先后获陕西省自然科学一等奖 1 项、陕西省科学技术一等奖 1 项、教育部科技进步奖一等奖 2 项等，并研制了大型对象－关系数据库管理系统、金融分布式数据库、生物网络分析平台等，为推动大数据管理和分析的技术进步和产业发展提供了重要支撑。
（审稿：尚学群）
