Nat Methods | 左永春/原致远合作开发空间多组学异构切片对齐的计算框架——3d-OT|ot|原致远|左永春|新论文|轨迹

近年来，空间多组学技术的快速发展为解析复杂的空间异质性提供了机遇。但现有计算方法难以全面整合多样化的分子与空间信息。已经被提出的多种深度学习方法通过建模空间信息以分析空间组学数据。然而，空间信息仅仅被用来计算空间图结构捕捉空间位置间的依赖关系，缺乏了更深度的几何结构感知。此外，异质性切片对齐过程中始终面临非刚性形变与分辨率不均的挑战，多种对齐方法的评估严重依赖真实标签，并缺乏对几何结构一致性的评估。

针对这些问题，2026年3月27日，内蒙古大学生命科学学院/生物医学研究院左永春教授联合复旦大学类脑智能科学与技术研究院/附属浦东医院原致远研究员在Nature Methods上发表题为3d-OT: a deep geometry-aware framework for heterogeneous slices alignment of spatial multi-omics的研究论文。该研究提出了一个名为3d-OT的计算框架，成功填补了空间多组学异构切片对齐的空白。

1首次引入了“点云分割模型PointNet++”实现了深度的几何感知
本研究首次提出并为空间组学的特征提取引入了PointNet++这一全新的框架，不同于空间组学中最常见的图神经网络（GNN）架构，PointNet++通过迭代的显式位置信息编码机制来实现空间图结构之外的深度几何感知。

2 利用“软通讯”最优传输解决对齐过程中非刚性形变与分辨率不均的问题

借鉴三维粒子追踪测速的理论，使用平滑损失和散度损失来同时保证全局的平滑对齐与局部的复杂对应关系。同时3d-OT利用多个最优传输的终点来重建新的对齐位置，保证了对齐结果的鲁棒性，即“软通讯”的最优传输。

3 首次引入了几何结构一致性指标：chamfer distance (倒角距离)

以往的多项对齐研究中缺乏统一的评估标准，且大多指标严重依赖于真实的生物标签。当多个源细胞坍缩在同一标签的目标细胞时，生物指标依然会给出极高的分数，尽管这几乎丧失了几何结构的一致性。3d-OT首次引入chamfer distance 来评估对齐的几何结构一致性，弥补了当前对齐评估的缺陷。

4 首次实现了端到端的多组学对齐

以往的研究通常用于单一组学的对齐，3d-OT首次实现了多组学的端到端对齐，并证明了额外的组学特征能够提供更精准的对齐结果。

在多个典型任务中取得突破性成果

1 空间单组学的特征提取与空间域识别。3d-OT可同时兼容单组学与多组学的特征提取和对齐。在三种平台的15个单组学空间域识别任务中，其指标大幅领先于已发表的7种先进方法，并首次在人类背外侧前额叶皮质（DLPFC）基准数据集的151673、151674号切片上将兰德指数（ARI）提升至0.7以上。

2 空间多组学的特征提取与空间域识别。3d-OT在5组模拟数据及两组真实空间多组学数据中，空间域识别性能显著优于已发表的4种先进方法。同时，在基于spatial CUT&Tag-RNA-seq的小鼠大脑数据上，3d-OT可精准区分皮层L6b与L6a区域，并在L6a层中进一步鉴定出新型潜在分子标志物Garnl3。

3 同平台，跨平台，多组学的对齐任务。3d-OT在3种同平台、2 种跨平台与4种多组学平台的对齐任务中，其几何结构一致性指标显著优于5种现有先进对齐方法。同时，该研究证实仅依赖单一生物学指标进行评估会存在严重偏差，而chamfer distance的引入有效弥补了现有对齐评估体系的不足。

4 重塑了小鼠胚胎的时空发育轨迹。3d-OT在E11.5至E16.5小鼠胚胎时空组学数据中，成功重建了各器官的时空发育轨迹。尽管心脏与肝脏在发育过程中发生了非刚性位置偏移，但3d-OT仍成功捕捉到对应的发育轨迹，且两者在各阶段的空间分布与重建结果高度一致。值得注意的是，E13.5阶段心脏呈现环状结构，3d-OT成功重建出对应的几何结构分布。多个区域的分化现象也被3d-OT成功捕捉：例如E12.5时真皮肌节发育为肌肉和结缔组织，而肌肉在E14.5时进一步分化为平滑肌。此外3d-OT还成功的捕捉到了某些非发育性排列结果如脉络丛与大脑呈现一定程度的排列特征。在大脑发育过程中，脉络丛会占据侧脑室、第三脑室和第四脑室，并在这些脑室区室中发挥独特功能。充分证明了其捕捉新发育轨迹的潜力。