彭有梅等人2024年9月在中科院一区TOP杂志“Communications biology”发表论文“A graph self-supervised residual learning framework for domain identification and data integration of spatial transcriptomics”。该论文第一作者和通讯作者单位为郑州大学河南省医药科学研究院，通讯作者为我院药物研究所彭有梅博士，第一作者为2021级生物与医药硕士研究生黄津津。

影响因子：IF 5.2

空间转录组（Spatial Transcriptomics, ST）技术通过同时测量细胞的基因表达及其空间位置，绘制空间基因表达谱，揭示了不同类型的细胞群在组织中的空间分布及相互作用，对于理解疾病和癌症的发生机制具有重要的应用价值。ST数据分析包括降维、空间聚类、细胞注释和差异表达分析等过程，其中，空间聚类是ST数据分析的关键步骤。然而，现有的空间聚类算法（模型）无法充分利用基因表达、空间位置和组织形态信息，导致空间域识别和划分不准确。

本研究提出一种基于图神经网络（Graph Neural Network, GNN）和间隔差异损失（Margin Disparity Discrepancy, MDD）理论的图自监督残差学习模型（ResST）。该模型不仅能够充分利用基因表达信息、空间位置信息、组织形态学信息，而且考虑了生物效应信息，增强了模型的特征提取能力，提高空间聚类性能。此外，ResST通过引入MDD理论兼具处理垂直和水平整合任务两个功能并进行批次效应校正。采用ResST模型分析不同平台的ST数据过程中，在空间聚类和数据整合任务上展现出良好性能，具有重要的应用价值。

通讯作者简介

彭有梅，郑州大学河南省医药科学研究院，硕士研究生导师。现任河南省肝病药理重点实验室副主任，河南省药理学会常务理事。主要从事药理学和抗病毒、抗肿瘤新药研究。参与阿兹夫定临床前和临床多项药理学研究。主持省科技重大专项项目子课题2项，省科技攻关项目2项，省青年人才托举项目1项。获省技术发明奖一等奖1项，教育厅科技进步奖1项，指导学生获得郑州大学第九届研究生创新创业大赛二等奖1项。