Nature 子刊：基于可解释图神经网络的 SpaCEy 框架连接组织空间结构与临床预后

《Nature》子刊发表关于 SpaCEy 框架的研究论文，展示了如何利用可解释图神经网络（GNN）将空间转录组学组织微环境结构与临床预后建立直接关联。

• SpaCEy 通过构建细胞空间邻近图谱捕捉复杂的细胞间相互作用，突破了传统依赖人工病理特征标注的局限。
• 框架内置注意力权重与归因解释机制，能够从全景空间组织中定位出与疾病生存期及治疗响应相关的关键空间生物标志物。
• 论文在多种恶性肿瘤的公开临床队列数据上完成了有效性验证，表现出对组织空间异质性的高敏感度表征。
• 影响/看点：该研究为空间组学走向临床辅助诊断提供了具备可解释性的计算工具，但其临床推广仍取决于跨测序平台数据的标准化程度以及多中心前瞻性队列的验证规模。
• 资料依据：
• Nature 论文（2026-09-26）：https://www.nature.com/articles/s41467-026-77924-z

本内容由 AI 生成，仅供参考，请注意甄别