【供稿：科研院】近日，计算机科学与技术学院管仁初教授团队在空间多组学数据分析领域取得重大突破，相关研究成果以“High-Parameter Spatial Multi-Omics through Histology-Anchored Integration”为题发表在《Nature Methods》。

长期以来，科研界一直希望在同一组织切片上，同时获取细胞在组织中的空间位置及其多组学特征。然而，不同组学的多切片数据难以直接整合。研究首创性地提出并解决了空间多组学领域的“空间对角整合”关键难题——即如何整合来自不同组织切片、不同技术平台、且分子特征不重叠的异质性空间组学数据。

为解决这一挑战，团队开发了名为“SpatialEx”的人工智能计算框架。该框架创新性地利用组织学图像基础模型与超图神经网络，学习跨切片、跨技术平台、跨模态的深层映射关系，从而在计算层面构建出高维度的空间多组学图谱。该方法的重大意义在于仅需使用常规、易获得的组织学染色切片（如H&E染色），即可通过计算模拟重构出原本需要昂贵实验才能获得的高维空间多组学图谱。这突破了当前空间单组学技术信息维度有限的瓶颈，为生物医学研究提供了强大且具有普适性的计算工具。

在针对乳腺癌的研究中，该技术展现了超越现有技术的辨析能力，不仅成功构建了组织“全切片视图”，还精准识别出了病理专家也难以区分的精细免疫微环境差异。在帕金森病模型中，该技术通过融合代谢组与转录组数据，清晰揭示了多巴胺相关基因与代谢物在脑部损伤区域的协同变化规律，为疾病机制研究提供了全新维度。这项成果将显著推动空间多组学技术在精准医疗、药物研发及临床诊断中的应用。

该工作由吉林大学计算机科学与技术学院与复旦大学共同主导完成，论文的共同第一作者为刘永皓（吉林大学）、汪楚瑶（吉林大学）以及莫纳什大学与复旦大学联合培养博士王智康。通讯作者为吉林大学管仁初教授、丰小月教授和复旦大学原致远研究员。

论文链接：https://www.nature.com/articles/s41592-025-02926-6