随着生物与信息融合（BT与IT融合）发展，越来越多的IT技术已实际应用于BT问题，例如今天小编介绍的这三个利用神经网络进行空间转录组分析的方法...
CoSTA：用于空间转录组分析的
无监督卷积神经网络学习方法
CoSTA是一种通过卷积神经网络（ConvNet）聚类学习基因表达矩阵之间空间相似性的新方法。其使用ConvNet聚类结构，重复（1）通过ConvNet生成特征，（2）通过GMM聚类生成软分配，以及（3）使用软分配来更新ConvNet。一旦完成训练，只保留训练好的ConvNet用于特征提取。由于ConvNet主要由卷积层组成，ConvNet提取的每个基因的最终向量应该是一个空间表示。利用这个空间表示可以在一个空间转录组数据集中量化任何两个基因之间的关系，利用UMAP将这个数据集中的所有SE基因可视化，并通过常见的聚类算法分配模式。
CoSTA流程
在功能测试中，研究团队通过分析模拟和此前发表的空间转录组数据，证明了CoSTA学习基因之间的空间关系的方式是强调更广泛的空间模式而不是pixels级的相关性。CoSTA为每对基因之间的表达模式相似性提供了一个定量的衡量标准，而不仅仅是将基因归类。与其他方法相比，CoSTA识别的范围更窄，但在生物学上是显著相关的基因集。同时研究团队还指出CoSTA可以应用于任何为每个基因输出基因表达信息的图像类型矩阵的技术，不仅包括文献中探讨的Slide-seq和MERFISH，还包括STARmap、10×Visium和HDST。
