• 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

旋转不变性对于在空间转录组学中准确检测空间可变基因至关重要。

Rotation-invariance is essential for accurate detection of spatially variable genes in spatial transcriptomics.

作者信息

Su Haohao, Cui Yuehua

机构信息

Department of Statistics and Probability, Michigan State University, East Lansing, MI, USA.

出版信息

Nat Commun. 2025 Aug 2;16(1):7122. doi: 10.1038/s41467-025-62574-4.

DOI:10.1038/s41467-025-62574-4
PMID:40753081
原文链接:https://pmc.ncbi.nlm.nih.gov/articles/PMC12318016/
Abstract

In spatial transcriptomics, tissue samples are randomly positioned. Rotation-sensitive methods can lead to unreliable spatially variable gene (SVG) detection. We highlight their inherent technical pitfalls and discuss strategies for rotation-invariant methods, enhancing the robustness of SVG detection.

摘要

在空间转录组学中，组织样本是随机放置的。对旋转敏感的方法可能导致不可靠的空间可变基因（SVG）检测。我们强调了它们固有的技术缺陷，并讨论了旋转不变方法的策略，以增强SVG检测的稳健性。

https://cdn.ncbi.nlm.nih.gov/pmc/blobs/ed2a/12318016/4a41af2a65a1/41467_2025_62574_Fig3_HTML.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/ed2a/12318016/74d1207ee082/41467_2025_62574_Fig1_HTML.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/ed2a/12318016/e27255e61875/41467_2025_62574_Fig2_HTML.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/ed2a/12318016/4a41af2a65a1/41467_2025_62574_Fig3_HTML.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/ed2a/12318016/74d1207ee082/41467_2025_62574_Fig1_HTML.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/ed2a/12318016/e27255e61875/41467_2025_62574_Fig2_HTML.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/ed2a/12318016/4a41af2a65a1/41467_2025_62574_Fig3_HTML.jpg

相似文献

1
Rotation-invariance is essential for accurate detection of spatially variable genes in spatial transcriptomics.旋转不变性对于在空间转录组学中准确检测空间可变基因至关重要。
Nat Commun. 2025 Aug 2;16(1):7122. doi: 10.1038/s41467-025-62574-4.
2
STANCE: a unified statistical model to detect cell-type-specific spatially variable genes in spatial transcriptomics.STANCE：一种用于在空间转录组学中检测细胞类型特异性空间可变基因的统一统计模型。
Nat Commun. 2025 Feb 20;16(1):1793. doi: 10.1038/s41467-025-57117-w.
3
Addressing the mean-variance relationship in spatially resolved transcriptomics data with .用……处理空间转录组学数据中的均值-方差关系
bioRxiv. 2024 Nov 8:2024.11.04.621867. doi: 10.1101/2024.11.04.621867.
4
Categorization of 34 computational methods to detect spatially variable genes from spatially resolved transcriptomics data.用于从空间转录组学数据中检测空间可变基因的34种计算方法的分类。
Nat Commun. 2025 Jan 29;16(1):1141. doi: 10.1038/s41467-025-56080-w.
5
From tissue architecture to clinical insights: Spatial transcriptomics in solid tumor studies.从组织结构到临床见解：实体瘤研究中的空间转录组学
Semin Oncol. 2025 Jul 14;52(5):152389. doi: 10.1016/j.seminoncol.2025.152389.
6
SpaDCN: Deciphering Spatial Functional Landscape from Spatially Resolved Transcriptomics by Aligning Cell-Cell Communications.SpaDCN：通过对齐细胞间通讯从空间转录组学中解析空间功能景观
Small Methods. 2025 Feb 17:e2402111. doi: 10.1002/smtd.202402111.
7
Integrating spatial transcriptomics and snRNA-seq data enhances differential gene expression analysis results of AD-related phenotypes.整合空间转录组学和单细胞核RNA测序数据可增强与阿尔茨海默病相关表型的差异基因表达分析结果。
HGG Adv. 2025 May 5;6(3):100447. doi: 10.1016/j.xhgg.2025.100447.
8
The Overlooked Role of Specimen Preparation in Bolstering Deep Learning-Enhanced Spatial Transcriptomics Workflows.样本制备在支持深度学习增强的空间转录组学工作流程中被忽视的作用。
medRxiv. 2023 Oct 9:2023.10.09.23296700. doi: 10.1101/2023.10.09.23296700.
9
Randomized Spatial PCA (RASP): a computationally efficient method for dimensionality reduction of high-resolution spatial transcriptomics data.随机空间主成分分析（RASP）：一种用于高分辨率空间转录组学数据降维的计算高效方法。
bioRxiv. 2024 Dec 24:2024.12.20.629785. doi: 10.1101/2024.12.20.629785.
10
Combining Spatial Transcriptomics, Pseudotime, and Machine Learning Enables Discovery of Biomarkers for Prostate Cancer.结合空间转录组学、伪时间分析和机器学习可发现前列腺癌生物标志物。
Cancer Res. 2025 Jul 2;85(13):2514-2526. doi: 10.1158/0008-5472.CAN-25-0269.

本文引用的文献

1
STANCE: a unified statistical model to detect cell-type-specific spatially variable genes in spatial transcriptomics.STANCE：一种用于在空间转录组学中检测细胞类型特异性空间可变基因的统一统计模型。
Nat Commun. 2025 Feb 20;16(1):1793. doi: 10.1038/s41467-025-57117-w.
2
Categorization of 34 computational methods to detect spatially variable genes from spatially resolved transcriptomics data.用于从空间转录组学数据中检测空间可变基因的34种计算方法的分类。
Nat Commun. 2025 Jan 29;16(1):1141. doi: 10.1038/s41467-025-56080-w.
3
spVC for the detection and interpretation of spatial gene expression variation.
spVC 用于检测和解释空间基因表达变化。
Genome Biol. 2024 Apr 19;25(1):103. doi: 10.1186/s13059-024-03245-3.
4
Niche-DE: niche-differential gene expression analysis in spatial transcriptomics data identifies context-dependent cell-cell interactions.Niche-DE：空间转录组学数据中的生态位差异基因表达分析确定了依赖于上下文的细胞-细胞相互作用。
Genome Biol. 2024 Jan 12;25(1):14. doi: 10.1186/s13059-023-03159-6.
5
Dimension-agnostic and granularity-based spatially variable gene identification using BSP.使用 BSP 进行无维度和基于粒度的空间变量基因识别。
Nat Commun. 2023 Nov 14;14(1):7367. doi: 10.1038/s41467-023-43256-5.
6
SMASH: Scalable Method for Analyzing Spatial Heterogeneity of genes in spatial transcriptomics data.SMASH：空间转录组学数据中分析基因空间异质性的可扩展方法。
PLoS Genet. 2023 Oct 20;19(10):e1010983. doi: 10.1371/journal.pgen.1010983. eCollection 2023 Oct.
7
nnSVG for the scalable identification of spatially variable genes using nearest-neighbor Gaussian processes.nnSVG 用于使用最近邻高斯过程进行可扩展的空间变异基因识别。
Nat Commun. 2023 Jul 10;14(1):4059. doi: 10.1038/s41467-023-39748-z.
8
Cell type-specific inference of differential expression in spatial transcriptomics.基于空间转录组学的细胞类型特异性差异表达推断。
Nat Methods. 2022 Sep;19(9):1076-1087. doi: 10.1038/s41592-022-01575-3. Epub 2022 Sep 1.
9
Identification of cell-type-specific spatially variable genes accounting for excess zeros.识别细胞类型特异性空间变异性基因，这些基因导致了零的过剩。
Bioinformatics. 2022 Sep 2;38(17):4135-4144. doi: 10.1093/bioinformatics/btac457.
10
SOMDE: a scalable method for identifying spatially variable genes with self-organizing map.SOMDE：一种使用自组织映射识别空间可变基因的可扩展方法。
Bioinformatics. 2021 Dec 7;37(23):4392-4398. doi: 10.1093/bioinformatics/btab471.