Spartan：高分辨率空间域鉴定新方法

空间转录组学正快速向单细胞级分辨率发展，揭示了沿连续解剖梯度组织的复杂组织结构。然而，精确识别空间域仍是核心计算挑战，许多现有聚类方法常模糊解剖边界、合并过渡区域或无法解析局部微结构。为此，研究者提出了Spartan，一种激活感知的多重图框架用于高分辨率空间域发现。该框架整合了空间拓扑与局部空间激活信号，后者是一种能够捕获局部转录异质性的邻域偏差信号，这种异质性常因相似性被传统方法削弱。

Spartan通过图卷积网络同时学习空间域和可变基因，利用多重图结构编码不同尺度的空间关系。局部空间激活信号通过比较每个斑点与其邻域的转录特征，突出显示异常表达模式，从而识别传统平滑化方法所忽略的边界和微区域。实验结果表明，Spartan在多种组织数据上均优于现有方法，能清晰界定过渡区并解析稀有细胞群体。

该框架为理解组织异质性和疾病微环境提供了新工具，尤其适用于肿瘤边界、神经环路等连续梯度结构的研究。未来将扩展至多模态数据整合，进一步提升空间域鉴定的准确性和生物学可解释性。