单细胞RNA测序技术在最近几年迅速发展,成为生命科学研究的焦点。如今,单细胞测序技术一次能测量成千上万个基因的表达量。然而因技术限制,在测量基因表达量之前,组织细胞需被解离成单个细胞,使得数据丢失了细胞的空间位置信息。随着科技的发展,新的空间转录组测序技术被提出。空间转录组测序技术能够测量细胞的基因表达量,同时保留细胞的空间位置信息。然而空间转录组测序技术一次只能测量几十到几百的基因,或者测序灵敏度很低,测出来的数据噪音很大。针对单细胞RNA测序技术和空间转录组测序技术差异,本文提出了一种能同时整合单细胞RNA测序数据和空间转录组测序数据的集成学习算法Enscspa,来填充空间转录组未测量基因的表达量。Enscspa算法集成了现有的七种空间转录组重构预测方法,对这七种方法的结果进行加权平均,加权平均的权重值由非负最小二乘法得出。通过组合这七种不同假设背景的方法,本文构造了新的强学习器Enscspa,使得方法可以应用于各种背景和内在结构的数据,得到稳健准确的填充结果。本文将Enscspa算法应用于三组不同组织、不同大小的数据集,来展示算法良好的填充效果。在进行实验分析时,本文通过设置留一交叉验证实验,计算Spearman相关系数和配对Wilcoxon秩和检验p值来与其他七种方法比较,展示了 Enscspa比其他方法填充准确度更高、稳定性更强。本文还通过作出各种可视化图来展示Enscspa算法能够有效预测空间转录组全基因的表达,还原基因的空间表达模式。