空间转录组不必先划区：慢性应激模型里差异基因多检出45.8%，注意力图同时标出位置
核心概要
多受试者空间转录组比较通常要先把组织划成解剖区域或聚类，再在固定区域内做差异表达检验，定位与检验因此分开。SpaceDX 改为在检验的同时为每个基因学习一组空间注意力权重，把各点的表达加权成伪批量，再放进分层贝叶斯逻辑回归做受试者层面的关联检验。在19只应激与19只对照小鼠的慢性社会挫败应激数据上，5%经验FDR下检出175个差异基因，比区域DESeq2的120个多45.8%；在阿尔茨海默病模型上两者单独检出数相近，合并后比单用DESeq2多19.1%。
深度剖析
差异表达检验不再需要事先指定组织区域，每个基因的关联检验会同时给出该关联在组织中的空间位置。 此前的区域伪批量做法要先按解剖区域或数据驱动聚类把点聚合成区域，再在区域内做受试者层面的统计检验，检验发生的位置在分析前就被固定。 在基于真实小鼠脑表达数据构造的半合成模拟中，信号与预设区域对齐时两者表现相当；信号越偏离预设边界，区域方法（DESeq2、edgeR、MAST）的ROC-AUC下降而SpaceDX保持，且这一优势随效应量和受影响点数增加而更明显。
在真实组织上，这种自适应加权找回了区域聚合会稀释掉的关联信号。 区域聚合隐含假设差异表达与固定空间边界对齐，落在亚区、跨区或沿连续梯度分布的基因信号会被稀释。 慢性社会挫败应激数据（19只应激、19只对照）在5%经验FDR下，SpaceDX检出175个差异基因，DESeq2为120个，edgeR为116个，MAST为69个；用ACAT把SpaceDX与DESeq2合并后为180个。阿尔茨海默病数据（22只患病、18只对照）中SpaceDX检出364个、DESeq2为366个，合并后为436个，比单用DESeq2多19.1%。
每个基因的注意力权重构成一张空间图，把基因层面的显著性落到具体的脑区上。 区域检验只回答某个预设区域内是否显著，不描述该基因的关联集中在组织中的哪一部分。 在慢性应激数据中按注意力加权优于均匀加权的证据排序的前20个基因，全部在至少一个注释区域上强定位（AUC>0.8），其中6个（30%）在区域伪批量检验下不显著；40个高定位基因–区域对中有24个（60%）未被预设区域检验检出。阿尔茨海默病数据中32个高定位基因–区域对里有6个（18.8%）未被检出。
学到的空间图把差异基因组织成有细胞和解剖含义的组。 仅凭基因层面的显著性列表，难以判断这些关联对应哪类细胞、位于哪一脑结构。 慢性应激数据中，SpaceDX 得到的差异基因在CellMarker富集分析里有98个细胞类型条目显著（FDR<0.05），DESeq2为2个；一组注意力图相关的基因包含9个少突胶质细胞标记中的6个，定位到深部皮层下结构，其中Opalin与Gjb1在丘脑、大脑核团和腹侧间脑/苍白球区域呈现一致的注意力模式。
启示与展望
演示范围限于半合成模拟和两个多受试者小鼠脑10x Visium数据集，即慢性社会挫败应激模型与晚期阿尔茨海默病模型；所有方法都在5%经验FDR下用置换校准后比较。作者指出，当生物学上有意义的边界已知且与感兴趣的信号对齐时，区域方法仍然有价值。
方法依赖有信息量的点级上下文嵌入，其质量仍随数据集而变；作者提出空间表示学习的改进和更大的多模态参考图谱可能让这一环节更稳健。学到的定位模式能否在独立数据集和不同生物学设定中稳定复现，作者列为后续工作。