Nature Methods
3d-OT：一种深度几何感知框架用于空间多组学异质切片对齐
小赛推荐：
该研究为空间多组学数据整合提供了端到端的异质切片对齐解决方案，显著提升了复杂组织三维重建的精度，对发育生物学和肿瘤微环境研究具有直接指导意义。
文献概述
本文《3d-OT: a deep geometry-aware framework for heterogeneous slices alignment of spatial multi-omics》，发表于《Nature Methods》杂志，系统探讨了当前空间多组学技术在整合不同分子模态与空间信息时面临的挑战，提出了一种名为3d-OT的深度学习框架。该方法通过显式编码空间几何信息，实现了跨模态、跨平台的空间切片对齐与三维重建。文章进一步展示了其在小鼠脑组织精细分层识别和胚胎发育轨迹重建中的卓越性能，为解析生物组织的空间复杂性提供了新工具。背景知识
目前，空间多组学技术如DBiT-seq、spatial CITE-seq和spatial ATAC–RNA-seq虽能同时捕获多种分子信息，但整合这些异质数据仍面临严峻挑战。一个核心痛点在于，传统方法多依赖图神经网络建模空间邻近性，却未能充分挖掘空间坐标本身的几何先验信息，导致在处理非刚性形变或分辨率差异大的切片时对齐失败。此外，缺乏统一的评估指标也阻碍了方法间的公平比较。现有工具如CellCharter、SpatialGlue和MISO虽在单一样本或模态内表现良好，但在跨平台、跨模态对齐任务中泛化能力有限。3d-OT的切入点正是通过引入点云分割模型PointNet++，将空间坐标作为显式输入特征，结合软对应最优传输（SCOT）策略，实现对复杂形变的鲁棒建模。该方法还引入chamfer距离作为量化对齐性能的客观指标，填补了领域内评估标准的空白。这一设计不仅提升了空间结构的保真度，也为后续的三维轨迹推断和细胞类型动态追踪奠定了基础。
研究方法与核心实验
作者在多个真实与模拟数据集上系统评估了3d-OT的性能，涵盖人类背外侧前额叶皮层（DLPFC）、乳腺癌、淋巴结及小鼠脑切片等。实验体系包括10x Visium、STARmap PLUS、Stereo-seq、seq-FISH等多种技术平台，验证了其跨平台适用性。关键实验包括：1）在DLPFC数据中，3d-OT在空间结构域识别任务中显著优于SEDR、stLearn等7种现有方法，ARI指标首次突破0.7；2）在小鼠视觉皮层STARmap数据中，3d-OT成功分辨出L1至L6及胼胝体等7个层次结构，而STAGATE和SpaNCMG无法区分L5与L6；3）在跨平台对齐任务中，3d-OT在seq-FISH与Stereo-seq胚胎数据对齐中表现出最强的非刚性形变追踪能力，chamfer距离和细胞类型匹配指数（CI）均最优。关键结论与观点
研究意义与展望
3d-OT的提出标志着空间多组学分析从单一任务向多任务统一框架的演进。其对几何信息的显式建模策略可广泛应用于其他空间组学数据整合任务，尤其在需要高保真三维重建的器官发育研究中具有巨大潜力。该方法为研究肿瘤异质性、免疫微环境空间组织等复杂生物学过程提供了更精确的工具，有望推动从静态切片观察向动态三维建模的范式转变。
结语
3d-OT作为首个显式利用几何模态的深度学习框架，解决了空间多组学异质切片对齐中的关键难题。其通过PointNet++与SCOT模块的协同设计，实现了对复杂非刚性形变的鲁棒建模，显著提升了三维重建的准确性。该研究不仅为解析小鼠胚胎发育的时空轨迹提供了新视角，也为人类疾病组织的空间异质性研究奠定了方法基础。从实验室到临床，3d-OT有望成为构建高精度肿瘤微环境图谱、追踪免疫细胞空间动态的重要工具，推动精准医学向三维空间维度拓展。特别是其在识别精细脑区和发现新标记基因方面的应用，为神经退行性疾病的机制研究和靶点发现提供了强有力的技术支撑，有望加速从基础研究到临床转化的进程。
