文章导读
你以为空间多组学研究的瓶颈是数据量不够大、技术不够新？恰恰相反，当你能在组织原位同时看清基因、蛋白和表观信息时，真正的困境才刚刚开始——面对这些多维、非线性且充满噪声的数据，如何整合才能揭示细胞真实的“空间对话”？大多数分析方法要么丢失了宝贵的空间位置信息，要么被技术噪音严重干扰，导致看到的可能只是假象。西安交大叶凯团队在《自然·通讯》提出的新框架，核心竟不是更复杂的模型，而是将空间信息转化为一种“先验知识”，通过两个关键步骤实现了柔性整合。
— 内容由好学术AI分析文章内容生成，仅供参考。
近日，西安交通大学叶凯教授团队在《自然·通讯》（Nature Communications）发表研究论文，提出面向空间多组学数据整合的新方法SpatialCOC。该工作聚焦“空间信息利用与多模态非线性整合”的关键难题，为组织空间结构与跨组学关系解析提供了新工具，是叶凯教授团队在人工智能与生命医学交叉领域取得的又一项创新成果（图1）。
图1. SpatialCOC文章主页
空间多组学技术能够在组织原位同时获取转录组、蛋白质组和表观组等多维分子信息，为揭示细胞空间异质性与微环境互作机制提供了全新视角。与此同时，如何在大规模组织样本中精准识别复杂空间结构、有效融合多模态数据、并克服技术噪声干扰，已成为该领域亟待突破的核心瓶颈。
图2. SpatialCOC方法概览
针对上述挑战，西安交通大学叶凯教授团队提出一种名为 SpatialCOC 的整合框架（图2）。该方法将空间信息作为先验知识，通过“连续空间映射”与“跨组学校正”两大核心模块，实现对空间多组学数据的柔性整合。SpatialCOC 能够看清复杂组织的精细结构、滤除数据中的干扰噪音、跨切片稳定揭示细胞演化路径，为解析组织微环境、揭示细胞互作机制提供了可靠的分析工具。
叶凯教授团队这一研究体现了人工智能在生命信息复杂模式识别中的独特优势，也展示了计算方法创新对生物学、医学问题研究的重要支撑作用。值得关注的是，该成果延续了团队在结构变异检测（SVision，《自然·方法》，2022；SVision-pro，《自然·生物技术》，2024；Swave，《自然·遗传》，2026）以及基因注释（ANNEVO，《自然·方法》，2026）等领域的工作脉络，持续展现了团队在人工智能方法、关键生物学问题和医学应用场景之间交叉融合的创新路径。
时值西安交通大学建校130周年与西迁70周年之际，同样也是叶凯教授到校开展工作十周年。团队谨以此深耕交叉前沿领域的阶段性成果，向母校致以最诚挚的敬意与感恩。该成果面向国家重大需求，依托西安交通大学在人工智能、自动化、数学、计算机与生命医学等方向的交叉布局，是持续推进“人工智能+生命医学”交叉融合、服务高水平科技自立自强的代表性进展之一。
西安交通大学自动化学院博士生黎明轩、孙培森为论文共同第一作者，叶凯教授为通讯作者。本研究在算法设计与数学原理方面得到了电信学部计算机学院杨晓飞教授与数学学院孟德宇教授团队的重要支持，体现了学校推动学科交叉融合的良好成效。本论文受到科技部重点研发专项、国家自然科学基金杰出青年科学基金、重点项目等资助。
西安交通大学信息与生物医学交叉研究中心团队主页：
https://gr.xjtu.edu.cn/en/web/kaiye
论文链接：https://www.nature.com/articles/s41467-026-71882-2
© 版权声明
本文由分享者转载或发布，内容仅供学习和交流，版权归原文作者所有。如有侵权，请留言联系更正或删除。
相关文章
有没有开源代码？想试试看
感觉比之前的SVision系列更实用了
SpatialCOC这名字起的挺有意思