Predicting Future States with Spatial Point Processes in Single Molecule Resolution Spatial Transcriptomics

要約

この論文では、Xgboostに基づいたパイプラインを導入して、後部（AP）の前方（AP）の両方でSOG-D遺伝子（活性細胞）と背側から腹側（DV）軸の両方で発現する細胞の将来の分布を予測します。
胚形成プロセスにおけるショウジョウバエ。
この方法では、細胞全体での細胞全体の胚の空間トランスクリプトームイメージングでの細胞と生物がどのようにサブ細胞の単一分子分解能での遺伝子発現を制御するかについての洞察を提供します。
XGBoostモデルを使用して、前のものに基づいて次の段階のアクティブ分布を予測しました。
この目標を達成するために、胚形成の各段階で細胞の状態と併せてリプリーのK関数を含めることにより、一時的に解決された空間点プロセスを活用し、活性細胞分布の平均予測精度を発見しました。
このツールは、空間的に解決された発達生物学のRNA速度に類似しており、1つのデータポイントから、空間ポイントプロセスの特徴を使用して将来の空間的に解決された遺伝子発現を予測できます。

要約(オリジナル)

In this paper, we introduce a pipeline based on XGboost to predict the future distribution of cells that are expressed by the Sog-D gene (active cells) in both the Anterior to posterior (AP) and the Dorsal to Ventral (DV) axis of the Drosophila in embryogenesis process. This method provides insights about how cells and living organisms control gene expression in super resolution whole embryo spatial transcriptomics imaging at sub cellular, single molecule resolution. An XGboost model was used to predict the next stage active distribution based on the previous one. To achieve this goal, we leveraged temporally resolved, spatial point processes by including Ripley’s K-function in conjunction with the cell’s state in each stage of embryogenesis, and found average predictive accuracy of active cell distribution. This tool is analogous to RNA Velocity for spatially resolved developmental biology, from one data point we can predict future spatially resolved gene expression using features from the spatial point processes.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google