Spatial-MGCN: a novel multi-view graph convolutional network for identifying spatial domains with attention mechanism

计算机科学 空间分析 推论 空间语境意识 人工智能 图形 编码器 模式识别(心理学) 背景(考古学) 理论计算机科学 数学 生物 统计 操作系统 古生物学
作者
Bo Wang,Jiawei Luo,Ying Liu,Wanwan Shi,Zehao Xiong,Cong Shen,Yahui Long
出处
期刊:Briefings in Bioinformatics [Oxford University Press]
卷期号:24 (5)
标识
DOI:10.1093/bib/bbad262
摘要

Recent advances in spatial transcriptomics technologies have enabled gene expression profiles while preserving spatial context. Accurately identifying spatial domains is crucial for downstream analysis and it requires the effective integration of gene expression profiles and spatial information. While increasingly computational methods have been developed for spatial domain detection, most of them cannot adaptively learn the complex relationship between gene expression and spatial information, leading to sub-optimal performance.To overcome these challenges, we propose a novel deep learning method named Spatial-MGCN for identifying spatial domains, which is a Multi-view Graph Convolutional Network (GCN) with attention mechanism. We first construct two neighbor graphs using gene expression profiles and spatial information, respectively. Then, a multi-view GCN encoder is designed to extract unique embeddings from both the feature and spatial graphs, as well as their shared embeddings by combining both graphs. Finally, a zero-inflated negative binomial decoder is used to reconstruct the original expression matrix by capturing the global probability distribution of gene expression profiles. Moreover, Spatial-MGCN incorporates a spatial regularization constraint into the features learning to preserve spatial neighbor information in an end-to-end manner. The experimental results show that Spatial-MGCN outperforms state-of-the-art methods consistently in several tasks, including spatial clustering and trajectory inference.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
CipherSage应助阔达秋翠采纳,获得10
2秒前
4秒前
wyt发布了新的文献求助10
10秒前
13秒前
田田发布了新的文献求助30
18秒前
皮皮完成签到 ,获得积分10
21秒前
简单的惋庭完成签到 ,获得积分10
34秒前
小西完成签到 ,获得积分10
38秒前
40秒前
wushuimei完成签到 ,获得积分10
44秒前
田田发布了新的文献求助30
47秒前
mark33442完成签到,获得积分10
51秒前
子非鱼完成签到 ,获得积分10
52秒前
钟声完成签到,获得积分0
56秒前
石勒苏益格完成签到,获得积分10
58秒前
善良元芹完成签到 ,获得积分10
58秒前
你比我笨完成签到,获得积分10
59秒前
1分钟前
田田发布了新的文献求助30
1分钟前
wangrong完成签到 ,获得积分10
1分钟前
橙汁摇一摇完成签到 ,获得积分10
1分钟前
你说的完成签到 ,获得积分10
1分钟前
经纲完成签到 ,获得积分0
1分钟前
中恐完成签到,获得积分10
1分钟前
1分钟前
田田发布了新的文献求助30
1分钟前
chenbin完成签到,获得积分10
1分钟前
胖胖橘完成签到 ,获得积分10
1分钟前
wyt驳回了脑洞疼应助
1分钟前
xiaoruixue完成签到,获得积分10
1分钟前
陈米花完成签到,获得积分10
1分钟前
yyjl31完成签到,获得积分10
1分钟前
Simon_chat完成签到,获得积分10
1分钟前
Aprilzhou完成签到,获得积分10
1分钟前
吐司炸弹完成签到,获得积分10
1分钟前
mayfly完成签到,获得积分10
1分钟前
共享精神应助科研通管家采纳,获得10
1分钟前
小晴天完成签到,获得积分10
1分钟前
北笙完成签到 ,获得积分10
2分钟前
不想长大完成签到 ,获得积分10
2分钟前
高分求助中
Sustainability in Tides Chemistry 1500
TM 5-855-1(Fundamentals of protective design for conventional weapons) 1000
Threaded Harmony: A Sustainable Approach to Fashion 799
Livre et militantisme : La Cité éditeur 1958-1967 500
Retention of title in secured transactions law from a creditor's perspective: A comparative analysis of selected (non-)functional approaches 500
"Sixth plenary session of the Eighth Central Committee of the Communist Party of China" 400
Introduction to Modern Controls, with illustrations in MATLAB and Python 310
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3056622
求助须知:如何正确求助?哪些是违规求助? 2713085
关于积分的说明 7434618
捐赠科研通 2358183
什么是DOI,文献DOI怎么找? 1249312
科研通“疑难数据库(出版商)”最低求助积分说明 607027
版权声明 596227