一种面向空间多组学的统一表示学习方法、系统及存储介质与流程

本发明属于生物信息学与人工智能交叉，具体涉及一种面向空间多组学的统一表示学习方法。

背景技术：

1、空间分辨转录组学技术的快速发展，为解析组织微环境中的细胞异质性与空间拓扑结构提供了前所未有的视角。无论是基于测序的空间转录组技术，还是基于高分辨率成像的空间蛋白质组或表观基因组技术，其核心价值在于将分子表达谱与真实的物理空间坐标进行锚定。然而，生物体的功能运行依赖于转录组、蛋白组、表观组及细胞形态学等多层分子信号的高度协同。单一模态的数据往往存在信息盲区与内在稀疏性，难以全面刻画复杂组织的生物学状态。因此，如何将多源异构的空间多组学数据与高分辨率组织学图像进行深度整合，构建统一、连贯的组织分子图谱，已成为当前生物医学计算领域的关键需求。

2、针对空间多组学数据的整合分析，现有计算方法主要沿着两条技术路线展开，但均存在明显的局限性。第一条路线以早期的空间分析框架为代表，其计算逻辑主要聚焦于单一或有限模态（如仅空间转录组）的局部空间特征提取，缺乏跨多组学层的异质信号融合能力，无法建立全局的分子互作视图。第二条路线则依赖于非空间的多组学整合算法，这类方法在对齐不同分子模态的统计分布方面表现优异，但其数学模型并未显式引入空间坐标约束或组织结构先验。当直接应用于空间域识别任务时，由于忽略了物理邻域关系，往往导致整合后的特征表征失去空间连续性，难以还原真实的组织解剖边界。

3、近年来，部分研究尝试将空间约束与多组学整合相结合，取得了阶段性进展。然而，经深入分析发现，现有空间多组学整合框架在实际应用中仍面临两大核心技术瓶颈。其一，在跨模态对齐策略上，现有方法多依赖于预计算的模态特定视图拼接或事后映射机制。这种处理路径仅能捕捉模态间表浅的线性对应关系，无法深入建模基因表达与蛋白产物、染色质可及性等内在生物学关联，导致模型难以构建真正共享的语义空间，跨模态信息的协同效应被严重削弱。其二，在空间结构保持方面，现有框架普遍缺乏显式的点级约束机制来强制执行局部拓扑一致性。由于空间多组学数据本身受到测序深度限制与成像伪影的影响，技术噪声水平较高，缺乏空间平滑约束的嵌入表示极易发生碎片化。这种碎片化现象不仅放大了噪声干扰，还会模糊不同组织区域之间的特征边界，使得下游的空间域识别与细胞类型注释结果出现严重的结构断裂或重叠。

技术实现思路

1、针对现有技术中存在的上述不足之处，本发明提供了一种面向空间多组学的统一表示学习方法、系统及存储介质，用于解决现有空间多组学整合方法存在的跨模态对齐浅层化、缺乏共享语义空间、以及因缺乏空间约束导致嵌入表示碎片化、抗噪性差的技术问题。

2、为了实现上述目的，本发明的技术方案为：

3、一种面向空间多组学的统一表示学习方法，包括如下步骤：

4、s1、获取空间多组学数据，所述数据至少包含空间分子数据与组织学图像数据，并基于各数据点的物理空间坐标构建空间亲和图；

5、s2、分别通过模态特异性编码器对各模态数据进行特征提取，生成各模态的潜在嵌入表示，并对所述潜在嵌入表示施加正交参数化约束；

6、s3、基于所述空间亲和图计算图拉普拉斯正则化项，约束空间邻近节点在潜在嵌入表示中的拓扑平滑性；

7、s4、采用跨模态对比学习策略对所述潜在嵌入表示进行语义对齐，构建统一的跨模态共享语义空间；

8、s5、通过张量外积机制计算对齐后各模态潜在嵌入表示的高阶交互特征，经降维压缩后与原始嵌入融合，生成复合表示向量；

9、s6、将所述复合表示向量输入自适应嵌入聚类模块，通过最小化聚类分布与高置信度目标分布之间的kl散度进行端到端微调，输出具有清晰空间边界的生物学空间域划分结果。

10、进一步优化设计，所述步骤s1具体包括：

11、对空间分子数据执行高变异基因筛选、对数转换与z-score归一化处理；

12、对组织学图像数据进行分块切分，并通过分层视觉transformer提取层次化形态学特征，聚合为点级图像嵌入；

13、基于各数据点的二维空间坐标，采用高斯核函数计算点间亲和力构建全连接空间亲和图，或基于预设k值仅保留物理距离最近的k个近邻以构建稀疏化空间亲和图。

14、进一步优化设计，所述步骤s2具体包括：

15、将各模态的高维特征矩阵通过主成分分析投影至预设低维子空间进行初始去噪；

16、将降维后的特征输入至多层感知机，学习模态特定的深度非线性表示；

17、对多层感知机的输出矩阵施加正交参数化约束，强制满足输出矩阵与其转置矩阵的乘积等于单位矩阵，以保持特征空间的几何体积并防止多模态表征坍塌。

18、进一步优化设计，所述步骤s3具体包括：

19、构建图拉普拉斯矩阵，并计算空间图中相邻节点在潜在嵌入表示中的欧氏距离平方；

20、将所述欧氏距离平方作为惩罚项加入目标函数，强制模型学习在物理空间上连续平滑的潜在流形表示，以滤除局部技术噪声与椒盐噪声。

21、进一步优化设计，所述步骤s4具体包括：

22、基于对称infonce损失函数最大化成对模态信号之间的互信息，拉近空间对应点在统一语义空间中的特征距离；

23、引入基于边距的距离正则化项，显式约束非对应点之间的欧氏距离大于预设安全边距，以克服余弦相似性仅考虑角度相关性的局限。

24、进一步优化设计，所述步骤s5具体包括：

25、对每一数据点的两种模态潜在嵌入进行张量外积运算，生成捕获所有成对相关的高维交互张量；

26、对所述高维交互张量进行主成分分析压缩，并将压缩后的交互特征与原始嵌入表示拼接，形成包含模态特异性细节与组合协同效应的复合表示向量。

27、进一步优化设计，所述步骤s6具体包括执行两阶段训练策略：

28、第一阶段为多目标预训练阶段，联合优化模态重建损失、图拉普拉斯结构保持损失与跨模态对比损失，完成表示学习与语义对齐；

29、第二阶段为联合微调阶段，初始化聚类质心，激活自适应嵌入聚类模块，利用模型自身的高置信度预测构建目标分布，通过kl散度损失进行端到端联合优化，强化类内紧凑性与类间分离度。

30、进一步优化设计，还包括步骤s7：基于所述统一表示学习得到的潜在嵌入，执行下游空间分析任务，包括umap高维可视化、细胞类型注释、空间可变基因检测或跨模态空间相关性图谱构建。

31、另一方面，本发明还提供一种面向空间多组学的统一表示学习系统，包括：

32、数据预处理与图构建模块，用于获取并预处理空间多组学数据，构建空间亲和图；

33、模态编码模块，用于通过模态特异性编码器分别提取各模态数据的潜在嵌入表示，并对所述潜在嵌入表示施加正交约束；

34、结构保持模块，用于基于所述空间亲和图构建图拉普拉斯正则化项，约束空间邻近点在潜在嵌入表示中的拓扑一致性；

35、语义对齐模块，用于采用跨模态对比学习策略对所述潜在嵌入表示进行对齐，构建统一的语义空间；

36、交互融合模块，用于通过张量外积机制显式计算跨模态高阶交互特征，并压缩融合得到复合表示向量；

37、聚类精炼模块，用于将所述复合表示向量输入至自适应嵌入聚类模块，通过最小化聚类分布与高置信度目标分布之间的kl散度，进行端到端微调以输出空间域划分结果。

38、另一方面，本发明还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一所述的方法。

39、本发明与现有技术相比，具有如下有益效果：

40、1.本发明通过在模态特异性编码器输出端施加正交参数化约束，强制满足输出矩阵与其转置矩阵的乘积等于单位矩阵。该特征从数学层面保持了特征空间的几何体积与潜在维度的正交独立性，避免了信息冗余与特征混淆，确保各模态提取的潜在嵌入具备高保真度与强判别力，为后续跨模态深度整合奠定了可靠的数据基础。

41、2.本发明基于空间亲和图构建图拉普拉斯正则化项，将物理空间邻近点在潜在嵌入表示中的欧氏距离平方作为惩罚项引入目标函数。该设计强制模型学习在物理空间上连续平滑的潜在流形，有效滤除局部技术伪影与椒盐噪声，确保分子特征分布与组织解剖结构的物理连续性高度一致，大幅提升了模型在低质量或高噪声数据场景下的结构保真能力。

42、3.本发明采用基于对称infonce损失与边距约束的跨模态对比学习策略，在统一语义空间中拉近空间对应点、推远非对应点，克服了余弦相似性仅关注角度相关性的局限；同时，通过张量外积机制显式计算模态间潜在嵌入的高阶交互特征，并辅以降维压缩与拼接融合。该组合特征打破了传统线性融合的瓶颈，真实建模了基因表达、蛋白产物与形态学背景之间的非线性协同关系，实现了异构数据从物理拼凑到语义统一的跨越。

43、4.本发明引入自适应嵌入聚类（aec）模块，采用两阶段训练策略：在预训练完成语义对齐后，激活基于kl散度的自监督目标分布更新机制，利用模型自身的高置信度预测作为内部监督信号进行端到端联合微调。该特征有效抑制了低置信度噪声的干扰，强化了类内紧凑性与类间分离度，强制相邻空间点在语义空间保持逻辑一致性，最终输出具有清晰解剖边界、生物学意义明确的空间域划分结果。

44、5.本发明最终生成的精炼潜在嵌入，深度融合了多组学分子信号与形态学上下文，同时忠实保留了空间拓扑与功能结构。该高质量统一表征具备高度的泛化性与可解释性，可直接作为umap高维可视化、精细细胞类型注释、空间可变基因（svg）检测以及跨模态空间相关性图谱构建的输入基础，显著提升了下游分析的准确度与生物学发现效率，为解析复杂组织微环境提供了稳定、高效的技术支撑。