HE图像就能预测空间基因表达！SpaFactor轻量框架在五大公共队列中性能最佳
SpaFactor: Lightweight Spatial Context-Aware Gene Program Modeling for Histology-to-Transcriptomics Inference
📖 AI 总结
本文提出SpaFactor，一种轻量高效的低秩形态学-基因程序-基因表达分解框架，用于从常规H&E染色组织图像预测空间转录组基因表达。针对现有方法将高维基因输出视为独立目标、忽视基因间生物学协同性且易受噪声与过拟合影响的问题，SpaFactor在输入端融合中心位点视觉表征与多尺度局部及区域邻域上下文，捕捉细胞形态与微环境异质性；在建模端采用残差MLP学习组织微环境到低维潜在基因程序的非线性映射，再通过共享基因载荷解码为协调的多基因表达预测。在五个公开队列上，该方法取得最佳综合性能，对空间变异基因的提升尤为明显，并能更真实地还原具有生物学组织的空间模式，表明组织上下文与基因程序的轻量联合建模可同时提升预测精度与生物学保真度。
🔑 关键词速览
| Spatial Transcriptomics (ST) | 一种在保留组织空间结构的同时测量基因表达的技术。 |
| Hematoxylin and Eosin (HE) images | 常规组织学染色图像，用于显示细胞形态和组织结构。 |
| Low-rank factorization | 一种矩阵分解方法，通过低维潜在因子近似高维数据，降低噪声和过拟合。 |
| Gene programs | 一组协同表达的基因，共同执行特定生物学功能或响应。 |
| Residual MLP | 带有残差连接的多层感知机，用于稳定学习非线性映射。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅