基于图注意力自编码对乳腺癌空间转录组数据的空间域识别

摘要

目的 探讨图注意力自动编码器框架(spatially resolved transcriptomics with an adaptive graph attention auto-encoder, STAGATE)在乳腺癌空间转录组学数据中的应用，识别乳腺癌患者组织切片的不同空间域，并利用细胞类型感知模块提升细小空间域的聚类性能。方法 从10Genomic平台下载乳腺癌A区第1段、第2段10Visium空间转录组学数据，利用STAGATE整合空间位置信息及基因表达信息，并采用mclust方法对有标签数据，Louvain方法对无标签数据进行聚类分析。基于聚类结果绘制一致流形近似投影(uniform manifold approximation and projection, UMAP)可视化图，基于分区图抽象(partition-based graph abstraction, PAGA)的轨迹推断图，结合注意力机制和细胞类型感知模块的结构边界，最后筛选每个空间域的差异表达基因。结果 STAGATE识别出乳腺癌A区第1段中的20个空间域，乳腺癌A区第2段的19个空间域，根据空间域聚类结果绘制了UMAP图和PAGA空间轨迹推断图，勾画出结合注意力机制、细胞类型感知模块的结构边界，最终筛选出每个空间域中的前5个差异表达基因，并对每个空间域中差异表达最大的基因进行基因本体(gene ontology, GO)富集分析。结论 在乳腺癌患者的组织切片中，通过STAGATE以实现较小空间域的精确聚类，根据聚类结果筛选潜在标记基因，为乳腺癌组织不同区域的病理学分类提供理论依据。

关键词

空间转录组学 / 空间域 / 图注意力自编码器 / 乳腺癌