VIMA: 准确且高检验效能的病例—对照空间分子数据分析

摘要

研究提出基于变分推断的微生态位分析方法VIMA，将深度学习与规范统计相结合，以更灵活、更精确的方式发现疾病相关的空间特征。当前方法常假设组织区域可用离散细胞类型丰度表示、样本可用离散生态位丰度表示，可能遗漏重要信号。VIMA训练一组变分自编码器，把每个小组织斑块的内容概括为数字化“指纹”，据此定义大量数据依赖且相互重叠的“微生态位”，再做元分析，筛选出丰度与病例—对照状态显著相关的微生态位。模拟验证了VIMA的校准、检验效能与空间准确性；应用于涵盖三种疾病和多种空间模态的数据集后，该方法复现了已知生物学，也识别出新的疾病空间特征。