空间组学下一代机器学习与深度学习

摘要

空间组学技术可生成转录本、蛋白质、代谢物与脂质的高维空间分辨分子数据，需要能够兼顾组织拓扑结构、多尺度组织特征与实验噪声的计算模型。尽管机器学习（ML）与深度学习（DL）方法已快速发展以满足相关分析需求，但领域内仍缺乏明确的方法学指导，无法针对特定空间约束与生物学问题选择适配的模型。本文对空间组学核心任务中的ML/DL方法进行了批判性与对比性综述，核心任务包括批次效应校正、分辨率增强、组织与细胞分割、空间结构域识别、细胞类型反卷积及模型可解释性分析。随机森林、聚类等经典ML方法可提供可解释的分析基线，但对非线性空间依赖关系的建模能力有限；卷积神经网络、图神经网络、Transformer与生成式模型等现代DL架构，可捕捉复杂空间模式并支持多组学整合，但仍面临数据稀缺、标注负担重、计算成本高与不确定性量化难的长期挑战。最优传输、跨模态注意力、图链接嵌入与基础模型等新兴策略可增强跨模态对齐效果，但其前提假设与应用约束仍需严格评估。本文进一步探讨了提升模型可扩展性、可重复性与临床适用性的实用解决方案，包括自监督预训练、联邦学习与标准化空间数据格式的应用。最终，本文提出了１套决策框架，可根据数据模态、空间分辨率、组织架构特征与临床应用场景，明确各类ML/DL方法的最佳适用场景。本文通过整合方法学批判与可落地的实操建议，为空间组学领域中ML/DL模型的可重复、可解释、临床可转化应用提供了路线图。

michel.salzet@univ-lille.fr

isabelle.fournier@univ-lille.fr

#空间组学 #机器学习 #深度学习 #图像分割 #多组学整合 #基础模型 #精准肿瘤学 #临床转化

引言

图1 地理空间遥感与空间组学分析流程的概念类比

地理空间遥感与空间组学分析流程的概念类比。２个领域共享通用的分析管线，首先是专用空间仪器（地理空间成像采用卫星，空间组学采用质谱仪），随后进行样本采集（地球表面区域vs生物组织）。２者均生成高光谱或高维分子数据，必须通过分割处理识别有意义的区域（土地利用分区vs组织结构域）。最终，对分割后的特征进行整合解读，在地理空间研究中实现生态、城市或环境洞察，在空间组学中实现细胞、分子或病理学洞察。

机器学习与深度学习基础

图2 空间组学端到端分析工作流

空间组学端到端分析工作流。从多模态数据采集到生物学洞察与验证，该管线整合了预处理、机器学习、深度学习与多组学融合，以挖掘空间模式与生物学机制。

图3 空间组学算法概览

空间组学算法概览。从经典方法到前沿方法，展示了各类算法的核心原理、典型任务、优势（绿色标注）与局限（红色标注）。经典方法包括成熟的机器学习技术与基础深度学习架构，前沿方法包括生成式模型、量子启发式机器学习等新兴范式。

持续存在的局限与可能的解决方案

图4 空间组学中机器学习/深度学习策略选择的决策框架

空间组学中机器学习/深度学习策略选择的决策框架。该框架整合了５大核心要素：数据模态、空间分辨率、组织架构、注释可用性与分析目标，为算法选择提供指导。６条决策规则将特定输入条件映射为推荐的计算方法（如经典机器学习、CNN分割、跨模态Transformer、半监督学习、可解释模型、联邦学习）。备注部分重点标注了生成式数据一致性校正、邻域建模、不确定性量化、隐私保护基础设施等关键考量因素。推荐输出包括分割、细胞-细胞相互作用建模、数据整合、注释优化、临床预测与跨站点部署。