报告题目：SANTO：一个用于空间组学的粗到细的对齐和拼接方法
报告摘要：随着多平台、多维度、多模态下空间组学技术的蓬勃发展，组织切片的对齐和拼接对于整合信息并解读三维的组学视图是不可或缺的。然而，现有的对齐和拼接方法由于耗时且低准确度的问题，难以处理大规模基于图像的空间组学数据集。此外，这些方法中的一些需要手动的标注。在这里，我们提出了SANTO，一个针对空间组学数据对齐和拼接任务的粗粒度到细粒度的方法。SANTO首先快速提供两个切片的合理空间位置，并识别重叠区域。然后，SANTO通过局部和全局地考虑空间位置和组学表达这两种模式来细化两个切片的相对位置。除了优越于基线方法的准确度，SANTO拼接了多个平台的乳腺癌样本切片，使得补充特征的整合能够协同探索肿瘤微环境，这导致了新细胞类型的识别和未表征基因表达的预测。随后，SANTO被应用于3D-to-3D的时空对齐以研究小鼠胚胎的组织发育。此外，SANTO实现了小鼠大脑的空间转录组学和表观组学数据的跨模态对齐，以理解不同组学特征之间的互补相互作用。
个人简介：
李昊阳，沙特阿卜杜拉国王科技大学（KAUST）计算生物研究中心2021级博士生，导师为高欣教授。2018年和2021年于吉林大学分别获得本科和硕士学位，并于2021年获得吉林大学十佳研究生称号。主要研究方向为深度学习在时空组学的建模与应用。主要成果发表在Nature machine intelligence,Nature communications (editor’s highlight), Science Advance，MICCAI等国际期刊和会议上。
报告时间：2024年5月7日（星期二）下午14:00
报告地点：吉林大学正新楼三楼人工智能学院报告厅
