# 空间多组学数据整合

空间多组学数据既要合并同一组织切片上的RNA、蛋白等不同分子层，又要把参考数据集的细胞类型标签迁移到新样本上，此前这两件事由不同方法分别处理。DIRAC把两者统一为域适应问题，用图神经网络加对抗判别器学习对批次和模态不敏感、但对细胞类型有区分度的嵌入。在模拟数据和真实DBiT-seq数据上，它的域恢复与混合指标优于对照方法，并在胶质瘤组织中识别出其他方法漏掉的微血管增生域。

空间多组学数据既要合并同一组织切片上的RNA、蛋白等不同分子层，又要把参考数据集的细胞类型标签迁移到新样本上，此前这两件事由不同方法分别处理。DIRAC把两者统一为域适应问题，用图神经网络加对抗判别器学习对批次和模态不敏感、但对细胞类型有区分度的嵌入。在模拟数据和真实DBiT-seq数据上，它的域恢复与混合指标优于对照方法，并在胶质瘤组织中识别出其他方法漏掉的微血管增生域。