PNAS | 中山大学孙小强等团队破解空间多组学整合难题：基于定向扩散模型的SpaDDM算法显著提升模式识别与细胞通信分析能力

背景：空间多组学测序技术能在空间分辨率下同时分析转录组、蛋白质组和表观基因组，为理解复杂组织结构与分子调控机制提供重要视角，但有效整合多种组学模态仍面临挑战。研究目的：中山大学孙小强等团队提出SpaDDM算法，这是一个基于定向扩散模型的空间多组学整合框架，旨在支持空间模式识别、跨组学对齐及细胞信号流分析，以解决现有方法在空间感知和跨模态融合方面的不足。结论：SpaDDM在多种空间多组学数据集上测试显示，其在解析空间组织模式、降低边界噪声方面优于现有方法，并能通过学习的共嵌入表征推断空间模式形成的信号流，提升跨组学转换和细胞状态对齐的预测准确性，为生物医学研究开辟了新途径。