生物資訊學
空間轉錄組學（ST）技術的進展使得對腫瘤微環境、腫瘤梯度以及基因調控網絡進行系統性的分子表徵成為可能。已知癌症進展會沿病理梯度發生變化，然而，現有用於基因網絡推斷的網絡方法通常忽略了腫瘤內部跨層級的空間組織結構。我們開發了一種貝葉斯多分辨率空間圖迴歸（\texttt{mSGR}）框架，用於從多分辨率ST數據中推斷空間變化的基因網絡。所提出的模型允許精度矩陣在具有層級結構的空間域之間發生變化，從而捕捉腫瘤內部的局部與全局組織特徵。
為識別空間變化的調控關係，我們引入了一種具有空間結構的邊選擇策略，該策略根據空間鄰近性和病理梯度在不同區域之間借力，同時利用高斯過程先驗靈活建模邊強度的空間變異。通過一種增強的均值場變分貝葉斯算法並結合節點級並行迴歸，實現了可擴展推斷，從而能夠在高維情形下進行高效估計。模擬研究表明，與競爭方法相比，該方法在網絡結構恢復方面表現更優。
將\texttt{mSGR}應用於腎癌的多分辨率ST數據表明，在上皮—間質轉化通路的過渡區域中存在更強的調控連通性，並識別出沿腫瘤梯度分佈的樞紐基因，展示了空間分辨網絡分析如何為腫瘤微環境組織提供關鍵見解。
📄 原文連結：https://www.biorxiv.org/content/10.64898/2026.05.12.724724v1?rss=1
🏷️ 空間轉錄組 貝葉斯建模 基因調控網絡 腫瘤微環境 變分推斷 多分辨率分析