2024 年 9 月 9 日，山东大学的研究团队在《Nature Communications》上发表了一项研究，介绍了一种名为空间图傅里叶变换（Spatial Graph Fourier Transform，SpaGFT）的新方法。该方法将图信号处理应用于各种空间组学分析平台，以生成可解释的表示。
SpaGFT 在分析人类和小鼠空间转录组数据方面表现出色，效率是现有工具的百倍。它能够识别人类淋巴结 Visium 数据中 B 细胞成熟的免疫区域，并使用内部人类扁桃体 CODEX 数据表征次级滤泡的变化。此外，它还可以集成到其他机器学习框架中，将空间域识别、细胞类型注释和亚细胞特征推断的准确性提高多达 40%。
具体案例分析中，SpaGFT 在高分辨率空间蛋白质组学数据中检测稀有亚细胞器的能力尤为突出。例如，在人类背外侧前额叶皮质的研究中，SpaGFT 通过实现更准确的机器学习预测，提高了空间域识别的准确性、从细胞类型到斑点的注释转移的较低错误、细胞到斑点比对的正确性以及亚细胞标志推断的验证损失。
此外，SpaGFT 还可以通过使用快速傅里叶变换算法将计算复杂度从 O（n^2）降低到 O（n×log（n）），进一步提高计算效率。