3d-OT 是一款专为空间多组学数据设计的深度几何感知计算框架，旨在解决异质组织切片的特征提取、空间域识别及三维对齐难题。该研究发表于《Nature Methods》，其核心由 PointNet++ 编码器和软对应最优传输（SCOT）模块组成，能够有效整合位置几何信息与多模态分子数据。通过引入倒角距离等指标，3d-OT 在处理组织非刚性形变和分辨率差异方面表现卓越，显著优于现有的单细胞分析方法。实验证明，该框架能精确还原小鼠脑皮层的精细解剖结构，并成功构建了小鼠胚胎发育的时空演进轨迹。总之，这一创新工具为深入探究复杂生物组织的空间异质性和细胞关联提供了强有力的支持。

References:

• Dai B, Yi L, Wang P, et al. 3d-OT: a deep geometry-aware framework for heterogeneous slices alignment of spatial multi-omics[J]. Nature Methods, 2026: 1-12.