空间转录组学技术（如 10x Visium、Slide-seq 和 Stereo-seq）的最新进展彻底改变了对组织内基因表达模式的研究。然而，仅仅获得组织内特定物理坐标的基因表达谱不足以全面了解生物系统的复杂性。为了获得更深入的见解，必须辨别组织内每个空间点的生物学身份。
2024年4月2日，复旦大学脑科学研究院诸颖团队，在《自然通讯》（Nature Communications）上发表了题为《Pianno：为空间转录组学自动进行语义注释的概率框架》（Pianno: a probabilistic framework automating semantic annotation for spatial transcriptomics ）的研究成果（图1）。团队开发了空间转录组语义注释工具Pianno，能够为组织内的空间点自动定义结构或细胞类型，从而结合来自多个维度的信息，加强对复杂生物系统的解释。
图1 Pianno：为空间转录组学自动进行语义注释的概率框架
团队将计算机视觉中对数字图像的“语义分割”概念迁移至空间转录组数据，创新性地将标记基因的空间表达处理为伪模式图像，设计了模式检测器，为后续贝叶斯分类器提供稳健的先验分布。该分类器结合马尔可夫随机场（MRF）与空间泊松点过程（sPPP），充分利用了 sPPP 建模RNA-seq计数数据分布的能力，同时考虑了空间点的位置信息。在MRF先验模型的设计中，团队充分考虑了转录组和空间位置的局部相似性，以及点之间的整体一致性。在这项研究中，作者展示了 Pianno 在注释各种形状的解剖结构以及病灶和细胞类型方面的卓越性能，这些数据来自不同的空间技术平台。并且研究表明，用Pianno替代劳动密集型人工标注程序，并与无监督聚类方法相结合，有助于揭示新的生物学见解。
图2 Pianno整体框架
复旦大学脑科学研究院研究员诸颖为本研究通讯作者，诸颖课题组2023届硕士周雨秋为本研究的第一作者。
论文地址：https://doi.org/10.1038/s41467-024-47152-4
