报告摘要：空间转录组学（SRT）技术已成为研究基因表达空间模式的有力工具，能够为研究器官发育和疾病病理的分子机制提供了更多见解。然而，SRT的表达数据表现出高稀疏性，在空间基因模式分析时，难以整合同时捕获的其他模态（例如，组织学图像和空间位置）数据。为应对这一挑战，本研究中提出了一种新的多模态无监督域适应方法——stMDA，该方法通过整合基因表达和其他模态揭示空间功能景观。具体地，stMDA首先利用多种神经网络架构从空间多模态数据中学习特定模态特异性表征，然后对齐这些模态表征的空间分布，从而促进跨模态的全局和空间局部信息整合，提高聚类结果的一致性。研究结果表明，stMDA在识别不同平台和物种的空间域方面优于现有方法。此外，stMDA在识别癌症组织中具有高预后潜力的空间可变基因方面表现出色。综上，stMDA作为多模态数据整合的新工具，为分析SRT数据集提供了强大灵活的框架，推动了对复杂生物系统的理解。

报告人简介：张传超，国科大杭州高等研究院，助理研究员，主要从事前沿的单细胞时空组学研究，包括面向时空组学的调控网络推断、细胞行为模式解析、多模态数据整合和3D数字重塑生命系统等理论体系构建与应用研究。主持国家自然科学基金项目1项，参与多项国家重点、重大研发计划。近年来在Briefings in Bioinformatics, Bioinformatics, Comput. Struct. Biotec. J等生物信息类重要SCI期刊上发表论文20多篇，并担任Genome Biology, Nature Cmmunications, Nature Computational Science等主流期刊的审稿人。

报告时间：2024年11月1日 上午8:30-12:00

报告地点：北横楼1421