🔥 今日值得一读
仅凭HE染色图像预测基因表达，REST用209样本40万斑点训练拿下最高宏观性能
REST: Reliability-Guided Spatial Transcriptomics Supervision for Gene Expression Prediction from Histopathological HE-Stained Images
👨💼 主理人解读 · 为什么值得关注
可从常规病理切片预测基因表达，开发者可用于肿瘤分子分型与生物标志物发现，降低测序成本。
📖 AI 总结
该研究针对HE染色病理图像无法直接反映分子状态的问题，提出REST框架，利用空间转录组数据监督基因表达预测。其核心发现是：配对HE—ST观测因检测覆盖度和位点信息量差异而可靠性不均，因此构建生物程序库（BPB）作为共享结构，通过位点可靠性对比对齐（SRCA）从程序覆盖度与活性离散度评估每个位点的可靠性并重新加权对齐，再以生物学信息程序重建（BIPR）从形态学重建成员基因表达。训练集涵盖16个器官的209个样本、407475个位点，评估使用8个器官的70个独立样本、230056个位点。结果显示，REST在基因表达、通路活性和细胞特征预测中取得最高的Macro相关性，优于现有空间转录组监督方法及病理基础模型，为从常规病理图像推断分子信息提供了更可靠的途径。
🔑 关键词速览
| 空间转录组学 (Spatial Transcriptomics, ST) | 一种在组织切片中空间定位测量基因表达的技术，可提供组织架构内的分子信息。 |
| 生物程序库 (Biological Program Bank, BPB) | 由特征、通路和细胞类型基因集构建的共享结构，用于指导ST编码、可靠性估计和分子重建。 |
| 斑点可靠性对比对齐 (Spot-Reliability Contrastive Alignment, SRCA) | 一种基于检测级程序覆盖度和斑点级活性离散度衡量斑点可靠性并重新加权HE-ST对齐的方法。 |
| 生物学信息程序重建 (Biology-Informed Program Reconstruction, BIPR) | 利用可学习的程序查询从组织形态学重建成员基因表达的方法。 |
| HE染色图像 (Hematoxylin and Eosin-stained images) | 苏木精-伊红染色的组织病理学图像，是癌症诊断中常用的形态学图像。 |
📱 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