• 文献检索
  • 文档翻译
  • 深度研究
  • 学术资讯
  • Suppr Zotero 插件Zotero 插件
  • 邀请有礼
  • 套餐&价格
  • 历史记录
应用&插件
Suppr Zotero 插件Zotero 插件浏览器插件Mac 客户端Windows 客户端微信小程序
定价
高级版会员购买积分包购买API积分包
服务
文献检索文档翻译深度研究API 文档MCP 服务
关于我们
关于 Suppr公司介绍联系我们用户协议隐私条款
关注我们

Suppr 超能文献

核心技术专利：CN118964589B侵权必究
粤ICP备2023148730 号-1Suppr @ 2026

文献检索

告别复杂PubMed语法，用中文像聊天一样搜索，搜遍4000万医学文献。AI智能推荐，让科研检索更轻松。

立即免费搜索

文件翻译

保留排版，准确专业，支持PDF/Word/PPT等文件格式，支持 12+语言互译。

免费翻译文档

深度研究

AI帮你快速写综述，25分钟生成高质量综述，智能提取关键信息，辅助科研写作。

立即免费体验

CellPie：一种通过联合非负矩阵分解实现的可扩展空间转录组学因子发现方法。

CellPie: a scalable spatial transcriptomics factor discovery method via joint non-negative matrix factorization.

作者信息

Georgaka Sokratia, Morgans William Geraint, Zhao Qian, Martinez Diego Sanchez, Ali Amin, Ghafoor Mohamed, Baker Syed-Murtuza, Bristow Robert G, Iqbal Mudassar, Rattray Magnus

机构信息

Division of Informatics, Imaging and Data Sciences, Faculty of Biology, Medicine and Health, University of Manchester, Manchester M13 9PL, United Kingdom.

CRUK Manchester Institute, University of Manchester, Manchester M20 4BX, United Kingdom.

出版信息

Nucleic Acids Res. 2025 Mar 20;53(6). doi: 10.1093/nar/gkaf251.

DOI:10.1093/nar/gkaf251
PMID:40167331
原文链接:https://pmc.ncbi.nlm.nih.gov/articles/PMC12086691/
Abstract

Spatially resolved transcriptomics has enabled the study of expression of genes within tissues while retaining their spatial identity. Most spatial transcriptomics (ST) technologies generate a matched histopathological image as part of the standard pipeline, providing morphological information that can complement the transcriptomics data. Here, we present CellPie, a fast, unsupervised factor discovery method based on joint non-negative matrix factorization of spatial RNA transcripts and histological image features. CellPie employs the accelerated hierarchical least squares method to significantly reduce the computational time, enabling efficient application to high-dimensional ST datasets. We assessed CellPie on three different human cancer types with different spatial resolutions, including a highly resolved Visium HD dataset, demonstrating both good performance and high computational efficiency compared to existing methods.

摘要

空间分辨转录组学能够在保留组织内基因空间身份的同时，对其基因表达进行研究。大多数空间转录组学（ST）技术都会生成一张匹配的组织病理学图像，作为标准流程的一部分，提供可补充转录组学数据的形态学信息。在此，我们介绍CellPie，这是一种基于空间RNA转录本和组织学图像特征的联合非负矩阵分解的快速无监督因子发现方法。CellPie采用加速分层最小二乘法来显著减少计算时间，从而能够有效地应用于高维ST数据集。我们在三种具有不同空间分辨率的不同人类癌症类型上评估了CellPie，包括一个高分辨率的Visium HD数据集，与现有方法相比，它展现出了良好的性能和较高的计算效率。

https://cdn.ncbi.nlm.nih.gov/pmc/blobs/ac27/12086691/430d79765353/gkaf251fig6.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/ac27/12086691/584cc7668df7/gkaf251figgra1.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/ac27/12086691/ac08217cdb02/gkaf251fig1.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/ac27/12086691/fafba4a56deb/gkaf251fig2.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/ac27/12086691/fe1491611e08/gkaf251fig3.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/ac27/12086691/27ba4611ff9e/gkaf251fig4.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/ac27/12086691/d9708ca2b068/gkaf251fig5.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/ac27/12086691/430d79765353/gkaf251fig6.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/ac27/12086691/584cc7668df7/gkaf251figgra1.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/ac27/12086691/ac08217cdb02/gkaf251fig1.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/ac27/12086691/fafba4a56deb/gkaf251fig2.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/ac27/12086691/fe1491611e08/gkaf251fig3.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/ac27/12086691/27ba4611ff9e/gkaf251fig4.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/ac27/12086691/d9708ca2b068/gkaf251fig5.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/ac27/12086691/430d79765353/gkaf251fig6.jpg

相似文献

1
CellPie: a scalable spatial transcriptomics factor discovery method via joint non-negative matrix factorization.CellPie：一种通过联合非负矩阵分解实现的可扩展空间转录组学因子发现方法。
Nucleic Acids Res. 2025 Mar 20;53(6). doi: 10.1093/nar/gkaf251.
2
ENACT: End-to-End Analysis of Visium High Definition (HD) Data.ENACT：Visium高分辨率（HD）数据的端到端分析
Bioinformatics. 2025 Mar 4;41(3). doi: 10.1093/bioinformatics/btaf094.
3
Deconvolution of spatial transcriptomics data via graph contrastive learning and partial least square regression.通过图对比学习和偏最小二乘回归对空间转录组学数据进行去卷积
Brief Bioinform. 2024 Nov 22;26(1). doi: 10.1093/bib/bbaf052.
4
LETSmix: a spatially informed and learning-based domain adaptation method for cell-type deconvolution in spatial transcriptomics.LETSmix：一种用于空间转录组学中细胞类型反卷积的空间信息与基于学习的域适应方法。
Genome Med. 2025 Feb 28;17(1):16. doi: 10.1186/s13073-025-01442-8.
5
Computational solutions for spatial transcriptomics.空间转录组学的计算解决方案。
Comput Struct Biotechnol J. 2022 Sep 1;20:4870-4884. doi: 10.1016/j.csbj.2022.08.043. eCollection 2022.
6
NLSDeconv: an efficient cell-type deconvolution method for spatial transcriptomics data.NLSDeconv：一种用于空间转录组学数据的高效细胞类型反卷积方法。
Bioinformatics. 2024 Dec 26;41(1). doi: 10.1093/bioinformatics/btae747.
7
Flexible analysis of spatial transcriptomics data (FAST): a deconvolution approach.空间转录组学数据的灵活分析（FAST）：一种反卷积方法。
BMC Bioinformatics. 2025 Jan 31;26(1):35. doi: 10.1186/s12859-025-06054-y.
8
Chrysalis: decoding tissue compartments in spatial transcriptomics with archetypal analysis.Chrysalis：利用原型分析对空间转录组学中的组织隔室进行解码。
Commun Biol. 2024 Nov 16;7(1):1520. doi: 10.1038/s42003-024-07165-7.
9
STGNNks: Identifying cell types in spatial transcriptomics data based on graph neural network, denoising auto-encoder, and k-sums clustering.基于图神经网络、去噪自编码器和 k-sums 聚类的空间转录组学数据中的细胞类型识别。
Comput Biol Med. 2023 Nov;166:107440. doi: 10.1016/j.compbiomed.2023.107440. Epub 2023 Sep 9.
10
Comparative Methods for Demystifying Spatial Transcriptomics.比较方法解析空间转录组学
Methods Mol Biol. 2024;2802:515-546. doi: 10.1007/978-1-0716-3838-5_17.

引用本文的文献

1
Omics landscapes in molecular mechanisms with as an example.以……为例的分子机制中的组学全景。 （你提供的原文“with as an example”部分缺失关键信息，我只能按现有内容尽量准确翻译）
Food Chem (Oxf). 2025 Aug 25;11:100294. doi: 10.1016/j.fochms.2025.100294. eCollection 2025 Dec.
2
Cell-type deconvolution methods for spatial transcriptomics.用于空间转录组学的细胞类型反卷积方法。
Nat Rev Genet. 2025 May 14. doi: 10.1038/s41576-025-00845-y.

本文引用的文献

1
Metabolic adaptations in prostate cancer.前列腺癌的代谢适应。
Br J Cancer. 2024 Nov;131(8):1250-1262. doi: 10.1038/s41416-024-02762-z. Epub 2024 Jul 5.
2
AZGP1 deficiency promotes angiogenesis in prostate cancer.锌α2糖蛋白1（AZGP1）缺乏促进前列腺癌血管生成。
J Transl Med. 2024 Apr 24;22(1):383. doi: 10.1186/s12967-024-05183-x.
3
Nuclear receptor NURR1 functions to promote stemness and epithelial-mesenchymal transition in prostate cancer via its targeting of Wnt/β-catenin signaling pathway.核受体 NURR1 通过靶向 Wnt/β-catenin 信号通路促进前列腺癌的干性和上皮-间充质转化。
Cell Death Dis. 2024 Mar 26;15(3):234. doi: 10.1038/s41419-024-06621-w.
4
N-methyladenosine modification of REG1α facilitates colorectal cancer progression via β-catenin/MYC/LDHA axis mediated glycolytic reprogramming.N6-甲基腺苷修饰 REG1α 通过 β-连环蛋白/原癌基因 c-Myc/乳酸脱氢酶 A 轴介导的糖酵解重编程促进结直肠癌的进展。
Cell Death Dis. 2023 Aug 25;14(8):557. doi: 10.1038/s41419-023-06067-6.
5
Nonnegative spatial factorization applied to spatial genomics.非负空间分解在空间基因组学中的应用。
Nat Methods. 2023 Feb;20(2):229-238. doi: 10.1038/s41592-022-01687-w. Epub 2022 Dec 31.
6
How cancer cells make and respond to interferon-I.癌细胞如何产生和应对干扰素-I。
Trends Cancer. 2023 Jan;9(1):83-92. doi: 10.1016/j.trecan.2022.09.003. Epub 2022 Oct 8.
7
Comprehensive characterization of the prostate tumor microenvironment identifies CXCR4/CXCL12 crosstalk as a novel antiangiogenic therapeutic target in prostate cancer.全面描绘前列腺肿瘤微环境，鉴定出 CXCR4/CXCL12 相互作用是前列腺癌新型抗血管生成治疗靶点。
Mol Cancer. 2022 Jun 18;21(1):132. doi: 10.1186/s12943-022-01597-7.
8
Museum of spatial transcriptomics.空间转录组学博物馆。
Nat Methods. 2022 May;19(5):534-546. doi: 10.1038/s41592-022-01409-2. Epub 2022 Mar 10.
9
Squidpy: a scalable framework for spatial omics analysis.鱿鱼皮：一种用于空间组学分析的可扩展框架。
Nat Methods. 2022 Feb;19(2):171-178. doi: 10.1038/s41592-021-01358-2. Epub 2022 Jan 31.
10
GDF15 promotes prostate cancer bone metastasis and colonization through osteoblastic CCL2 and RANKL activation.生长分化因子15通过激活成骨细胞中的CCL2和RANKL促进前列腺癌骨转移和定植。
Bone Res. 2022 Jan 20;10(1):6. doi: 10.1038/s41413-021-00178-6.