Learning Phenotype Associated Signature in Spatial Transcriptomics with PASSAGE

今天来介绍一下一篇关于细胞表型和空间区域还有spatial gene相关联的paper，算法名字叫passgae，发在small method上，不过我觉得挺有意思，所以还是放上来。

算法详解

Passage要解决的问题是，现在已经有很多计算工具被开发出来用于分析SRT数据（如识别空间可变基因、定义空间域），但这些方法大多是“无监督”的。但是无监督的算法，大部分其实只是去获得一些统计特征，比如每个区域中基因的表达量，或者区域之间的基因表达相似度。而这些统计特征，对于临床研究来说，可能并没有太大的帮助。这篇文章提出的算法，可以基于已知的细胞表型来定义空间区域，然后可以进一步分析spatial gene在这些区域中的分布情况。

所以passage定义了一个新的有监督的问题，并且解决它：开发一个有监督的学习框架，能够有效地跨多个异质性的空间转录组切片，识别和表征与特定表型（如癌症亚型、正常/患病）相关的空间信号特征。

首先，和各种空间转录组的算法类似，passage先用一个GAE来学习根据spatial data构建的knn graph，得到每个spot/cell对应的低维embedding向量，然后将这些embedding