近年来，空间分辨多组学技术的发展为探索复杂空间异质性提供了可能，其能从多组学视角全面解析细胞和组织特征，并通过整合不同来源的异质性切片信息，揭示单一切片无法检测的复杂细胞关系。但目前对异质性切片的有效整合仍是空间多组学数据分析的关键难题。现有深度学习方法对空间信息利用不足，仅构建了图结构捕捉空间位置依赖；异质性切片对齐还面临非刚性变形、分辨率不均及缺乏统一评价标准等问题，且多数计算方法仅针对单一任务，未形成可扩展的多任务分析体系。
近日，内蒙古大学生命科学学院左永春团队与复旦大学原致远团队合作，开发了一种名为“3d-OT”的几何感知深度学习框架，该框架利用空间几何信息与多组学信息实现特征提取、空间域识别以及异质性切片对齐。3d-OT采用多模态融合表征进行空间切片对齐，并通过软对应最优传输策略处理非刚性形变问题，同时引入倒角距离（chamfer distance）作为量化对齐性能的评估指标。多种组织样本数据显示，3d-OT在空间聚类中能获得更精细的解剖结构信息；在同平台与跨平台切片对齐任务中可有效处理复杂组织的非刚性形变与分辨率差异；基于该框架，研究团队还成功构建了小鼠胚胎发育的3D时空轨迹。总之，3d-OT为全面理解空间多组学数据、解析生物组织的空间复杂性提供了强有力的计算工具。
3d-OT框架通过整合空间多组学数据与空间位置信息，实现精细化空间域分割与用于三维重建的切片对齐，其由PointNet++编码器和软对应最优传输模块（SCOT）两个核心模块构成。PointNet++编码器首先在单一组学内部整合空间坐标与特征信息，随后通过多层感知机（MLP）融合多组学数据，生成用于空间域聚类的综合表示。SCOT模块则基于不同切片的特征表示计算相似性矩阵和传输成本，通过熵正则化Sinkhorn算法求解最优传输方案，建立切片间软对应关系并重构对齐后spot位置；该模块还引入了倒角距离、平滑损失和零散度损失，以确保切片间位置变化的平滑过渡以及对齐流场的生物学合理性。该框架灵活支持单组学、多组学及跨组学切片的对齐任务，最终可生成三维组织重建结果。
研究团队还首次将倒角距离作为空间切片对齐性能评估指标，弥补了传统细胞类型匹配指数（CI）无法评估几何结构的缺陷。
图1. 3D-OT多模态框架架构
研究团队首先在多个真实空间单组学对3d-OT进行性能评估，并将其与SEDR、stLearn、SpaGCN、STAGATE、GraphST等7种主流方法进行比较分析。
在人类背外侧前额叶皮层（DLPFC）数据集中，3d-OT在全部12个切片上的调整兰德指数（ARI）与归一化互信息（NMI）指标均排名第一，显著优其他方法；是首个在该数据集上实现ARI＞0.7（151673、151674号切片）的方法，清晰还原了L1–L6皮层分层结构，且与人工标注高度吻合。在人类乳腺癌数据集中，3d-OT同样取得了最佳的ARI与NMI值，是唯一能完全分离IDC_5癌灶区域并保持健康区域完整性的方法。在小鼠视觉皮层STARmap数据集中，3d-OT成功还原了七个皮层层级结构，并在分离L5/L6以及L2/3/L4等难区分区域上明显优于其他方法。
图2. 3D-OT在单组学空间域识别中的表现
接下来，研究团队评估了3d-OT在多组学空间域识别中的性能，并与MISO、CellCharter、COSMOS和SpatialGlue四种方法进行比较。在模拟数据中，3d-OT在AMI、NMI、ARI等六项监督评价指标上均表现最优，可精准重构预设因子分布。在人类淋巴结数据中，该模型综合指标最佳，且是唯一能够完整识别淋巴结外层被膜结构的方法。在小鼠大脑切片ATAC–RNA-seq数据中，3d-OT的莫兰指数仅次于COSMOS，但ARI指标最高，能更清晰解析大脑皮层各亚区。此外，对比实验证实，3d-OT结合多组学模态的分析效果显著优于仅使用转录组的单组学模式。
图3. 3D-OT在多组学空间域识别中的表现
研究团队进一步在小鼠大脑切片CUT&Tag-RNA-seq数据中对3d-OT进行评估。该模型可精准区分转录谱相似但空间分布不同的L5、L6a/L6b等精细脑区；其对标记基因敏感度更高，不仅能识别出大量已知细胞亚型标记基因（Ctgf、Cplx3等），还发现了Garnl3等潜在新型标记基因，经证实其可作为L6a层特异性标记。此外，在多种组蛋白修饰模态数据上，3d-OT均保持高度一致的分割性能，空间相关性与解剖真实性均最优，而对比方法性能随模态变化明显下降。
图4. 3d-OT以更高分辨率分析小鼠大脑CUT&Tag-RNA-seq样本
为评估3d-OT的对齐性能，研究团队在同平台、跨平台、跨组学三类典型场景下，将其与五种现有对齐方法进行比较。在同平台对齐任务中（10x Visium、STARmap PLUS、Stereo-seq），3d-OT的倒角距离与CI指标均优于其他方法，在大脑皮层、脊髓、心脏等区域实现了平滑、精确的对齐，无位置偏移或结构扭曲问题。在跨平台对齐任务中（seq-FISH与Stereo-seq），3d-OT成功追踪小鼠胚胎心脏、心肌细胞、神经嵴组织等复杂组织的非刚性形态变化。在多组学与跨组学对齐任务中（空间CUT&Tag-RNA-seq与ATAC-RNA-seq），3d-OT是唯一支持多组学融合表征对齐的方法，在多种组学组合下均保持稳定性能，整体表现远超现有方法。
图5. 3D-OT的空间对齐表现
基于3d-OT强大的对齐能力，研究团队对小鼠胚胎从E11.5到E16.5的发育过程进行三维重建，探索了不同组织的时空发育轨迹。结果显示，3d-OT成功克服器官位置动态变化的难题，精准捕捉心脏E11.5–E14.5收缩、E14.5–E16.5扩张，以及肝脏持续扩张的形态演变轨迹，准确重建了E13.5心脏的环状结构。通过对E11.5至E12.5发育阶段的精细分析，3d-OT揭示了心脏与血管之间的发育关联，并准确将肾脏与卵巢起源追溯至泌尿生殖嵴。
研究团队最终生成了主要器官在发育过程中的三维重建结果，显示大脑、心脏、肝脏等器官的细胞在六个时间点上的良好对齐，识别出生肌节分化为肌肉与结缔组织等分化事件；清晰呈现了脉络丛、血管、背根神经节等组织的细胞类型迁移与分化路径，为胚胎发育机制研究提供高分辨率可视化支撑。这表明3d-OT能够有效重建胚胎发育的时空动态。
图6. 3d-OT重现了小鼠胚胎的发育过程
综上所述，3d-OT填补了空间多组学异质切片一体化分析的技术空白，首次实现几何感知与最优传输策略的深度融合，同时完成空间域识别、多组学整合与异质性切片对齐三大核心任务。该方法突破传统模型的几何特征捕获局限，解决非刚性形变、跨平台适配、多组学融合等关键难题，为空间组学数据提供了统一的分析范式。随着空间多组学数据的持续增长，3d-OT有望推动空间多组学技术从二维切片分析向三维时空动态解析跨越，加速生物组织空间异质性的解码进程。
参考文献：
https://www.nature.com/articles/s41592-026-03034-9
01
02
03
04
05
快点亮"在看”吧！
热门跟贴