scHolography: eine rechnergestützte Methode zur Rekonstruktion und Analyse einzelzelliger räumlicher Nachbarschaften

Die räumliche Transkriptomik hat unsere Fähigkeit, die Komplexität von Geweben zu untersuchen, revolutioniert. Dennoch ist es weiterhin eine Herausforderung, die Gewebeorganisation auf Einzelzellebene genau zu entschlüsseln. Hier stellen wir scHolography vor, eine auf maschinellem Lernen basierende Methode, die entwickelt wurde, um Einzelzell-Nachbarschaften im Raum zu rekonstruieren und eine 3D-Gewebevisualisierung mithilfe räumlicher und einzelzelliger RNA-Sequenzierungsdaten zu ermöglichen. scHolography verwendet eine hochdimensionale Transcriptom-zu-Raum-Projektion, die räumliche Beziehungen zwischen Zellen ableitet, räumliche Nachbarschaften definiert und Analysen der Zell-Zell-Kommunikation verbessert. Bei Anwendung auf menschliche und Maus-Datensätze ermöglicht scHolography quantitative Bewertungen räumlicher Zellnachbarschaften, Zell-Zell-Interaktionen und des Tumor-Immun-Mikromilieus. Zusammen bietet scHolography einen robusten rechnergestützten Rahmen zur Erlangung von Erkenntnissen über die 3D-Gewebeorganisation und zur Analyse räumlicher Dynamiken auf zellulärer Ebene.