Nat Commun丨浙江大学刘琬璐独立研究将空间转录组学和代谢组学的跨样本和跨模式数据与 SpatialMETA 集成

背景：空间转录组学（ST）和空间代谢组学（SM）的整合能全面解码组织微环境，尤其在癌症研究中揭示免疫细胞功能和代谢异质性，但ST和SM数据因特征分布、空间形态和分辨率差异以及批次效应，整合面临挑战。研究目的：本研究旨在开发SpatialMETA框架，基于条件变分自动编码器（CVAE），实现ST和SM数据的跨模式和跨样本集成，通过定制解码器和损失函数增强模态融合、批量效应校正和生物保护。结论：SpatialMETA在人类透明细胞肾细胞癌、胶质母细胞瘤和小鼠大脑数据中优于现有方法，识别出癌症中具有独特代谢特征的免疫空间簇，提供了可解释的集成平台，推进空间多组学研究和对组织微环境代谢异质性的理解。