空间分辨基因组技术使人们能够研究细胞和组织的物理性质，并有望了解细胞之间的局部相互作用。然而，在切片、样本、尺度、个体和技术之间精确对齐空间观测仍极具挑战性。在这里，斯坦福大学Barbara E. Engelhardt提出了一个概率模型，该模型将空间分辨样本与表型读数（例如基因表达）相关的已知或未知公共坐标系（CCS）对齐。
本文要点：
1) 作者提出的高斯过程空间对齐（GPSA）由两层高斯过程组成：第一层将观测样本的空间位置映射到CCS上，第二层将CCS映射到观测读数。
2) 该方法实现了复杂的下游空间感知分析，这些分析对于未对齐的数据是不可能或不准确的，其中包括方差分析、从稀疏的二维（2D）切片创建密集的三维（3D）图谱或跨数据模态的关联测试。
Andrew Jones et.al Alignment of spatial genomics data using deep Gaussian processes Nature Methods 2023
DOI: 10.1038/s41592-023-01972-2
https://doi.org/10.1038/s41592-023-01972-2
