近日，重庆交通大学数学与统计学院陈晓丰教授团队在显微分辨率空间转录组数据分析领域取得新进展，在《Advanced Science》（中科院一区Top，IF=14.1）上发表了题为“STWave: Fine-Scale Spatial Structure Discovery in Microscopic-Resolution Spatial Transcriptomics via Patchwise Wavelet Graphs”的研究论文。该研究针对显微分辨率空间转录组数据规模持续增长、现有方法难以兼顾计算效率与精细空间结构解析的问题，提出STWave方法，通过分块计算与小波图建模提升大规模空间组学数据的分析效率和空间结构解析能力，为相关数据分析提供了新的方法支撑。硕士生蒋涛和博士生张凇铭为论文共同第一作者，陈晓丰教授为论文通讯作者。

图1：STWave：用于微观分辨率空间转录组学的可扩展小波图学习方法

空间转录组技术能够在组织原位同时解析基因表达与空间位置关系，为研究肿瘤微环境、器官发育和组织异质性提供了重要工具。随着显微分辨率空间转录组技术的发展，快速增长的数据规模给现有方法的计算效率和精细组织结构识别带来了挑战。针对这一问题，研究团队提出了空间转录组分析方法STWave。该方法通过分块训练与推理降低大规模数据的计算负担，并将小波多分辨率分析与图神经网络结合，同时捕获组织的整体模式和局部细节，从而兼顾计算效率与细粒度空间结构解析。研究团队在多类空间转录组数据上对STWave进行了系统验证。结果表明，该方法具有良好的可扩展性和空间结构解析能力，可为肿瘤微环境、组织异质性和发育生物学研究提供新的计算工具。

图2 STWave方法的总体框架