用于精准预测空间蛋白组与转录组细胞丰度的智能方法

来源：计算机工程与应用杂志2025年第13期北京时间：

作者：宋渝杰, 曾远松, 杨跃东, 戴智明

单位：1.中山大学 计算机学院，广州 510000；2.重庆大学 大数据与软件工程学院，重庆 400044

摘要：细胞类型反卷积是从复杂组学数据（如空间蛋白组学和转录组学）中解析细胞丰度的关键技术。然而，传统的反卷积方法通常仅针对特定组学数据进行设计，未能提供通用的预测框架。为此，提出了一种新型深度学习反卷积方法——SpatialDec，旨在同时处理蛋白组学和转录组学数据。SpatialDec结合了图神经网络的优势，能够识别复杂的细胞交互关系，并通过三元组损失函数强化细胞间的相似性与差异性。此外，SpatialDec采用领域自适应技术，有效去除源数据和目标数据之间的批次效应。大量实验证明，SpatialDec在多个蛋白组学和转录组学数据集上显著提升了预测性能。在蛋白组学数据集上，SpatialDec将均方根误差（RMSE）降低了21.9%，Lin的一致性相关系数（CCC）提高了46.1%，皮尔逊相关系数（PCC）提高了18.0%。在转录组学数据集上，SpatialDec也显著提高了性能，将RMSE降低了34.0%，CCC提高了45.4%，PCC提高了43.8%。

关键词：细胞类型反卷积,蛋白组学,图神经网络,三元组损失