基因的激活和表達揭示了整個組織和器官中基於類型和功能的細胞模式的相似性。了解這些模式可以提高我們對細胞的理解，並為揭示疾病的潛在機制提供見解。空間轉錄組學技術的出現使科學家能夠在整個組織樣本的範圍內檢查基因表達。然而，需要新的計算技術來處理這些信息並促進對這些基因表達模式的識別和理解。

細胞特性是指在生物體內將一種類型的細胞與另一種類型的細胞區分開來的獨特特徵和屬性。這種特性是由特定基因的表達決定的，這些基因控制著蛋白質的生產，使細胞具有特定的功能和結構。

由卡內基梅隆大學計算機科學學院計算生物學教授Ray and Stephanie Lane領導的一個研究小組已經開發了一個機器學習工具來填補這一空白。他們關於該方法的論文被稱為SPICEMIX，最近作為《自然-遺傳學》的封面故事出現。

SPICEMIX幫助研究人員理清不同的空間模式在像大腦這樣的複雜組織中的細胞的整體基因表達中所扮演的角色。它通過用空間元基因代表每一種模式來做到這一點–這些基因組可能與一個特定的生物過程有關，並能在整個組織中顯示平滑或零星的模式。

該團隊包括Ma、計算生物學系的項目科學家Benjamin Chidester以及博士生Tianming Zhou和Shahul Alam，他們使用SPICEMIX來分析來自小鼠和人類大腦區域的空間轉錄組學數據。他們利用SPICEMIX的獨特功能，揭示了大腦細胞類型和空間模式的景觀。

“當我們選擇這個名字時，我們受到了烹飪的啟發，”Chidester說。”你可以用同一組調料做出各種不同的味道。細胞可能以類似的方式工作。它們可能使用一套共同的生物過程，但它們使用的特定組合使它們具有獨特的身份。”

當應用於腦組織時，SPICEMIX比其他方法更準確地確定了大腦中細胞類型的空間模式。它還通過學到的空間元基因發現了新的腦細胞類型的表達模式。

使用空間轉錄組學技術的研究數量正在迅速增長，而SPICEMIX可以幫助研究人員充分利用這種高容量、高維度的數據。這些發現可能有助於我們對腦細胞類型的複雜性進行更全面的描繪。有可能推動空間轉錄組學研究，並有助於更深入地了解複雜組織的基本生物學和疾病進展。