模拟数据基准评估
在已知真实对应关系下检验TOAST相对传统FGW的对齐准确性。
构建一维（各101个spots、细胞类型A/B、聚集与混杂区域）和二维（各624个spots、椭圆三角晶格）模拟切片，比较FGW与TOAST在不同α下的细胞类型准确率和连贯性准确率，并进行消融分析。
关于丁香通
公司信息
个人用户
企业机构
无忧采购 轻松科研
- 移动端
面向空间组学数据对齐的地形感知最优传输
Topography-aware optimal transport for alignment of spatial omics data.
实验完整度
中为计算方法研究，含模拟数据及DLPFC、Stereo-seq、IMC、Xenium等多数据集对齐与空间重建基准比较
主要模型
一维与二维模拟空间转录组切片 人背外侧前额叶皮层10× Visium数据 蝾螈脑Stereo-seq发育时序数据 IMMUcan头颈鳞癌等肿瘤IMC数据
重点核对
模拟数据中α取值0.1、0.3、0.5、0.8、1下的细胞类型准确率与连贯性准确率 真实数据默认α=0.5，kNN图k值：Spatial Mouse Atlas与DLPFC为10，Axolotl为5 对齐准确率按最大传输概率分配并以已知细胞类型注释判定正确性 Jensen-Shannon散度基于最近20个邻居的细胞类型分布计算 空间重建以MAE和Pearson相关系数对照真实坐标评估
摘要
Ceccarelli等人介绍了TOAST，一种用于空间组学对齐的地形感知最优传输框架。通过引入空间连贯性和邻域一致性，TOAST改善了跨多种转录组和蛋白质组数据集的空间切片对齐、多模态整合和空间重建，实现了对组织结构具有生物学可解释性的映射。
实验结论
提炼研究问题、关键发现与证据，快速把握文章的核心贡献。
- 研究问题
- 如何在最优传输框架中显式建模局部空间组织，以提升空间组学切片对齐及单细胞与空间数据映射的准确性和生物学可解释性。
- 核心机制
- 在经典FGW目标中加入空间连贯性项（邻域细胞标签分布熵）和邻域一致性项（邻域平均表达谱距离），并施加熵正则与平衡传输约束，构成地形感知的TOAST目标函数。
- 主要证据
- 在一维、二维模拟切片以及人DLPFC Visium、蝾螈脑Stereo-seq、IMMUcan IMC、Xenium转录-蛋白多模态和Spatial Mouse Atlas重建等数据上，TOAST在准确率、JSD、MAE和Pearson相关等指标上优于FGW、DeST-OT、Tangram、NovoSpaRc等方法。
- 研究意义
- 作者提出该框架可增强空间分辨组学数据的生物学可解释性并促进多模态数据整合，有助于研究组织结构、追踪跨条件细胞动态以及理解发育轨迹、疾病进展和组织再生。
研究路径
按研究推进顺序梳理实验设计、验证步骤与关键观察。
真实切片对齐评估
检验TOAST在真实空间转录组数据上跨切片、跨样本和跨时间点对齐的能力。
在12张人DLPFC Visium切片上比较FGW、TOAST、DeST-OT、Tangram、Paste2、NovoSparc的相邻切片、非相邻切片及跨样本对齐；在蝾螈脑五个发育阶段Stereo-seq数据上比较TOAST与DeST-OT。
多模态与跨平台适用性评估
验证TOAST在空间蛋白质组及转录-蛋白多模态数据上的对齐表现与计算可扩展性。
对4例肿瘤IMMUcan IMC切片进行共18次样本内对齐并比较TOAST与DeST-OT的准确率和运行时间；在Xenium肾癌样本上构建405基因转录视图与25靶标蛋白视图，利用真实一对一细胞对应评估FGW、DeST-OT与TOAST。
空间重建与基因表达填补评估
在半模拟与真实单细胞-空间整合场景下评估TOAST恢复空间位置和邻近关系的能力。
基于Spatial Mouse Atlas的seqFISH数据生成模拟10× Visium数据，比较TOAST、FGW、DeST-OT、Tangram、NovoSpaRc的MAE与Pearson相关并用邻域富集评估细胞类型关系；将3,005个小鼠皮层scRNA-seq细胞与4,462个osmFISH空间细胞整合进行基因表达填补，与DeST-OT、Tangram、gimVI比较。
研究方法
按研究目的归类文中使用的方法，便于定位所需技术。
关键环节
汇总复现实验时建议重点确认的条件及原文阅读提示。
| 环节 | 核对要点 |
|---|---|
| 模拟数据基准评估 | 模拟切片spot数量、细胞类型比例、区域边界、特征维度、高斯噪声标准差0.1及α取值 阅读提示：STAR Methods中one-dimensional simulation与two-dimensional simulation小节及Figure 2图注 |
| 真实切片对齐评估 | 数据集版本、切片与样本数量、注释来源、默认α=0.5、kNN的k值（DLPFC为10、Axolotl为5）及对齐对比方法参数 阅读提示：STAR Methods中Spatial coherence and neighborhood consistency小节及Related approaches小节、Figure 3与Figure 4图注 |
| 多模态与IMC评估 | IMC样本量与切片数、蛋白靶标数、Xenium基因与蛋白面板构成、预处理方式、Leiden聚类参数 阅读提示：Results中Applicability of TOAST beyond ST部分及Figure 5图注 |
| 空间重建与基因填补评估 | seqFISH胚胎样本数、模拟Visium的覆盖特性、基因划分次数与80%/20%比例、填补对比方法及评估指标 阅读提示：Results中Spatial reconstruction部分、STAR Methods中Evaluation metrics小节及Figure 6、Figure 7图注 |
| 统计检验 | Wilcoxon秩和检验为双侧、无数据点剔除、基因填补结果以五次运行均值与标准差报告 阅读提示：STAR Methods中Statistical testing与Evaluation metrics小节 |