简介
空间基因共表达分析旨在识别在空间上具有相似表达模式的基因模块，帮助理解基因间的相互作用、功能分组以及核心基因的挖掘。通过对空间转录组数据的深入挖掘，可以揭示组织结构与功能的空间异质性。它同时为基因集富集分析、蛋白互作网络分析、公共数据库验证在内的多种下游分析提供基因集基础。
算法测评经验
- 如果希望快速获得结果，建议首先尝试使用 hdWGCNA 和 NeST 两种方法。hdWGCNA 在共表达基因集的基因功能分析方面表现出更高的一致性，而 NeST 则展现出更精准的空间模式识别能力。此外，若您的数据矩阵过于稀疏，可以考虑尝试使用 Hotspot 来处理。详细算法测评信息，请参考此链接。
| 算法 | hdWGCNA | NeST | Hotspot |
|---|---|---|---|
| 结果量级 | ⭐⭐ | ⭐⭐ | ⭐⭐⭐ |
| 空间模式识别 | ⭐⭐ | ⭐⭐⭐ | ⭐ |
| 基因功能一致性 | ⭐⭐⭐ | ⭐ | ⭐⭐ |
| 运行时间 | ⭐⭐⭐ | ⭐⭐⭐ | ⭐ |
参考文献
- DeTomaso, D., & Yosef, N. (2021). Hotspot identifies informative gene modules across modalities of single-cell genomics. Cell systems, 12(5), 446-456.
- Morabito, S., Reese, F., Rahimzadeh, N., Miyoshi, E., & Swarup, V. (2023). hdWGCNA identifies co-expression networks in high-dimensional transcriptomics data. Cell reports methods, 3(6).
- Walker, B. L., & Nie, Q. (2023). NeST: nested hierarchical structure identification in spatial transcriptomic data. Nature communications, 14(1), 6554.