DeepSpaceDB: a spatial transcriptomics atlas for interactive in-depth analysis of tissues and tissue microenvironments
Notice bibliographique
Résumé
Abstract Spatial transcriptomics provides a revolutionary approach to mapping gene expression within tissues, offering critical insights into the spatial organization of cellular and molecular processes. However, generating new spatial transcriptomics data is expensive and technically demanding, and analyzing such data requires advanced bioinformatics expertise. While publicly available datasets are growing rapidly, existing databases offer limited tools for interactive exploration and cross-sample comparisons. Here, we introduce DeepSpaceDB, a next-generation spatial transcriptomics database designed to address these issues. DeepSpaceDB focuses on interactivity and advanced analytical functionality, enabling users to explore spatial transcriptomics data with unprecedented flexibility. DeepSpaceDB allows for interactive selection and comparison of gene expression across regions within a single tissue slice or between slices, such as comparing hippocampal regions of an Alzheimer’s model mouse and a control. It also includes quality indicators, database-wide trends, and advanced visualizations that provide real-time interactivity, such as zoomable plots and hover-based information display. Moreover, these functions are not restricted to the samples collected in our database but can also be applied to samples uploaded by users. The current version of DeepSpaceDB focuses explicitly on samples of the 10X Genomics Visium platform, ensuring higher-quality analyses and enhanced exploration tools, including comparison between interactively selected regions of tissue sections. This tradeoff enables unique features like similarity-based sample embeddings and database-wide comparisons, setting it apart from other databases prioritizing broad platform coverage over functionality. With its combination of advanced tools and interactive capabilities, DeepSpaceDB represents a transformative resource for spatial transcriptomics research, paving the way for deeper insights into tissue organization and disease biology. Availability: DeepSpaceDB is available at www.deepspacedb.com .
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».