SPLISOSM 是一种专门用于分析空间转录组（ST）数据中异构体（isoform）表达模式的新型统计建模方法。由于传统的空间分析通常只关注基因层面的表达，从而忽略了剪接多样性等关键信息，该方法通过多变量独立性检验填补了这一空白。它利用非参数核函数解决了异构体数据中存在的稀疏性、成分依赖性以及空间自相关等技术难题。研究证明，该工具能有效识别小鼠和人类大脑中具有空间变异性的转录事件，并揭示其与RNA结合蛋白之间的调控关系。此外，SPLISOSM 在人类胶质母细胞瘤的研究中展现了极高的应用价值，能够挖掘出与疾病微环境相关的异构体特异性信号。总之，这一计算工具箱为深入理解组织架构中的分子复杂性及其进化保守性提供了强有力的支持。

References:

• Su J, Qu Y, Schertzer M, et al. Mapping isoforms and regulatory mechanisms from spatial transcriptomics data with SPLISOSM[J]. Nature Biotechnology, 2026: 1-12.