本文介绍了一种名为 PASTA 的创新计算框架，旨在提高空间转录组学数据中生物通路基因表达预测的准确性。该方法通过整合单细胞测序（scRNA-seq）参考数据，并结合细胞类型与空间邻域信息，克服了现有技术在处理基因缺失和高噪声方面的局限。研究表明，PASTA 在处理不同组织（如人肺癌和脑组织）的模拟与真实数据集时，其表现显著优于 Tangram 和 Seurat 等现有工具。通过对功能相关基因进行聚合建模，该工具不仅增强了数据的稳健性，还为下游的通路富集分析和细胞发育轨迹推断提供了更具生物学意义的解释。总之，PASTA 为在复杂的空间背景下理解疾病机制和组织异质性提供了一个强有力的学术方案。
References:
- Li R, Yang P, Di Pilato M, et al. Accurate imputation of pathway-specific gene expression in spatial transcriptomics with PASTA[J]. Nature Communications, 2025.
