近日，我校冯振兴副教授研究团队在Springer Nature旗下子刊《Communications Biology》（中科院一区top ）上发表了题为“A composite scaling network of EfficientNet for improving spatial domain identification performance”的研究论文。内蒙古工业大学理学院为该工作第一完成单位，理学院2021级硕士赵雅楠为论文第一作者，内蒙古大学龙春伸为共同一作，内蒙古工业大学冯振兴副教授和内蒙古大学左永春教授为通讯作者。（论文链接：https://doi.org/10.1038/s42003-024-07286-z）
空间转录组学（ST）技术可获取细胞空间信息和转录组表达谱信息，当前准确识别ST空间域是一个重要的挑战。由于ST数据中的图像信息存在噪声大、数据量大等问题，当前许多算法在有效整合图像信息方面面临挑战，表现出模型复杂度高、处理速度慢以及图像特征提取不充分等问题。基于此，研究人员提出了一种 EfNST 算法用于实现对空间转录组学数据空间域的精准描述定位，该方法采用 EfficientNet 的高效复合缩放网络来学习多尺度图像特征，不仅提高了算法的准确性，而且降低参数复杂性，并提高资源约束下的模型速度；在不同数据集上与多种经典算法对比，展现出更高的准确性和效率。
研究使用了来自三个测序平台（10x Visium、osmFISH 和 STARmap）的六个数据集来评估 EfNST 算法的聚类性能，相比于其他算法，EfNST算法能更精细地描绘人类乳腺癌，小鼠大脑，小鼠初级视觉皮层等组织的空间结构，并有效分析组织的标记基因的空间表达分布。随着不同提取技术的发展，算法有望扩展到更大更多的平台上处理空间转录组学中的空间域识别，探索未知区域，帮助解密不同区域中蕴含的生物学信息。
上述工作为冯振兴副教授团队继今年六月份在生物信息学领域顶级期刊《Briefings in Bioinformatics》（中科院二区top，IF=9.5）上发表题为“SpaNCMG: improving spatial domains identification of spatial transcriptomics using neighborhood-complementary mixed-view graph convolutional network”论文的又一成果。（论文链接：https://doi.org/10.1093/bib/bbae259）研究人员在此工作中提出了一种基于邻域互补混合视图卷积网络的框架模型SpaNCMG算法，用于实现对空间域的精准描述定位，在空间域识别方面具有较高的性能。
文字、图片：理学院
