近日，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高琳教授团队胡宇轩副教授在单细胞空间组学研究领域取得重要突破，是西电首次以第一且通讯单位在“方法学”顶级期刊《Nature Methods》（IF=48）发表研究成果“Unsupervised and supervised discovery of tissue cellular neighborhoods from cell phenotypes”，这也是胡宇轩副教授和高琳教授近年来取得的第三篇NS子刊成果（2021年西电第一单位首发Science子刊《Science Advances》，2019年《Nature Communications》）。

本研究提出了Cyto Community算法（即“细胞社团”识别算法），是第一个能对单细胞空间图谱同时进行无监督和有监督学习来识别TCN的计算工具，能够在可变空间尺度上发现条件特异性的细胞邻域协作模式，为解析肿瘤-免疫互作机制提供分析工具。CytoCommunity优势体现在：使用细胞表型作为特征学习TCN的划分，有助于TCN功能解释；仅使用GNN模型进行TCN的学习，不需要聚类作为中间步骤；不仅可以识别单个组织样本中的TCN（无监督模式），还可以从带标签的组织样本队列中识别条件特异性TCN（监督模式），这是解决样本间图对齐难题的有效策略。值得一提的是，CytoCommunity算法思想所衍生出的一个有趣的机器学习问题是：如何建立图分类问题和图聚类问题的关联性。另外，本成果得到国家自然科学基金重点项目、青年项目，陕西省高校科协青年人才托举计划项目，以及西电基础研究跃升计划优青培育项目等的资助。

据悉，高琳教授团队自2003年起潜心图/网络模型的生物分子组学数据模式发现问题研究，2023年获批西电首个基金委信息学部原创探索计划项目“细胞空间通讯建模及在肿瘤免疫中的应用”，旨在利用图理论、机器学习理论与技术，探究组织或器官中不同细胞之间“神秘的空间通讯规则”，以空间视角构建细胞通讯的可量化理论模型，并应用于肿瘤生态系统，助力肿瘤免疫治疗。

供稿单位：西安电子科技大学