基于spatial PCA降维的卵巢癌空间转录组数据空间域识别

摘要

目的 探讨空间主成分分析(spatial principal component analysis, spatial PCA)在卵巢癌(ovarian cancer, OC)空间转录组学数据空间域识别中的应用，识别在基因表达和组织学上空间一致的区域，检测不同组织区域基因表达的异质性。方法 采用spatial PCA对卵巢癌10x空间转录组学数据进行空间域识别，并与BASS、STAGATE两种空间域识别方法作比较；绘制RGB图可视化降维后的低维成分；筛选空间可变基因(spatially variable genes, SVGs),进行差异表达(differential expression, DE)分析和功能富集分析。结果 spatial PCA识别出8个卵巢癌空间域，RGB图像显示空间域识别结果对数据缩放稳定，且相邻区域颜色相似；检测到每个空间域SVGs数量范围为112～2928个，筛选出差异具有统计学意义的1个GO生物学过程和3个蛋白质复合物。结论 spatialPCA可以更准确地识别空间域聚类，筛选出的潜在生物标志物及通路，为卵巢癌的异质性研究及针对性治疗提供了依据。

关键词

spatial PCA降维 / 空间转录组 / 空间域识别 / 卵巢癌

基金资助

国家自然科学基金（82473739;82273742）; 山西省基础研究计划（202303021211130）; 山西省回国留学人员科研资助项目（2024-081）; 山西省高等教育“百亿工程”科技引导专项