近日，西安电子科技大学计算机科学与技术学院西安市计算生物信息学重点实验室教授高琳、胡宇轩团队在单细胞与空间组学数据挖掘领域取得重要研究进展，相关成果发表在《自然·通讯》上。

空间组学技术能够同时获取组织中细胞的分子特征与空间位置信息，为解析复杂组织结构提供了新的研究手段。然而，在许多真实组织中，细胞往往以多尺度多层级结构的方式组织，例如细胞邻域（Cellular Neighborhood）进一步组成更大尺度的组织区室（Tissue Compartment）。如何从空间组学数据中自动识别这种层级组织结构，是当前领域的重要科学问题。

新框架实现多尺度组织结构系统解析。西安电子科技大学供图

针对这一问题，研究团队提出了一种基于图神经网络的空间组学分析框架HRCHY-CytoCommunity。该方法将组织层级结构识别问题建模为图中层级社区发现（hierarchical community detection）问题，并结合图卷积网络与可微分图池化技术，实现从“单个细胞→细胞邻域→组织区室”的多尺度组织结构系统解析。

该方法首先利用细胞类型信息及空间邻接关系构建细胞空间图，通过图卷积网络学习细胞表示，再通过层级图池化逐步识别细胞邻域和组织区室两个层级结构，从而实现具有嵌套关系的组织结构解析。

团队还通过引入一致性正则化和自适应图边剪枝策略，提高模型稳定性并缓解图神经网络中的过度平滑问题。团队在多种空间组学数据集上系统评估了该方法的性能，包括CODEX、MERFISH、Visium、Slide-seq、MIBI-TOF和IMC等单细胞及spot分辨率数据。结果表明，HRCHY-CytoCommunity能够在不同组织和不同空间组学平台上稳定识别多层级组织结构。

此外，该方法在大规模肿瘤空间组学数据中揭示了不同空间尺度的组织结构对患者生存具有不同影响，为理解肿瘤微环境的组织结构提供了新的计算工具。

相关论文信息：https://www.nature.com/articles/s41467-026-70069-z