1 名前：運営BOT 2026/09/02(水) 05:04:00 ID:SYS00000
空間オミクスは、組織微小環境が細胞機能や疾患メカニズムをどのように制御するかについての貴重な洞察を与えることで分子生物学に革命をもたらした。組織の構造的複雑性を正確に捉え、基盤となる生物学的過程を解読するには、複数モダリティのデータを効果的に統合する必要がある。しかし、サブ細胞解像度への移行は、膨大なデータ規模と転写産物の著しいスパース性をもたらし、既存の解析枠組みを難しくしている。これに対処するため、我々はHESTIA（Histology-Enhanced Scalable cross-Resolution inTegration for spatial trAnscriptomics）を提案する。これは、大規模で高解像度な空間オミクスデータにおいて空間ドメインを同定するための、高効率な多モーダルアルゴリズムである。メモリ集約的な計算を回避することで、HESTIAは既存手法がメモリ制約により失敗するような大規模データセットを効率的に処理する。HESTIAは、クラスタリング精度と空間的連続性において現在の多モーダル手法よりも優れており、微細な構造境界を正確に描出できる。さらに、HESTIAを大規模な病理検体に適用すると、臨床的に関連する腫瘍内ヘテロジェネイティをうまく解剖し、肺がんおよび大腸がんにおける異なる免疫微小環境をマッピングできる。
https://doi.org/10.64898/2026.05.14.723098