Nat Methods：超越传统ST平台，iSCALE实现大组织切片的高分辨率空间基因表达预测和组织注释

2025-09-20 测序中国 等2家媒体报道 科研进展





打开微信“扫一扫”
点击右上角分享按钮

宾夕法尼亚大学Mingyao Li团队开发了一种名为iSCALE的机器学习框架，该技术能够预测大规模组织切片中的高分辨率基因表达，并实现细胞水平的组织结构注释。与现有空间转录组学（ST）平台相比，iSCALE克服了成本高昂、耗时长、分辨率低等问题，尤其适用于大尺寸组织样本。通过整合多个ST捕获的信息和H&E染色图像，iSCALE能够在超过当前ST平台捕获区域的大组织切片上进行全面的基因表达预测和组织注释，揭示常规ST实验无法检测到的病变相关细胞特征。该技术不仅提高了基因表达分析的空间连续性，还能够解析细胞类型组成、绘制细胞微环境，并为疾病研究提供新的见解。研究成果发表在《Nature Methods》上，展示了iSCALE在临床应用中的巨大潜力。（摘要由动脉网AI生成）