跳到主要内容
返回时间线
arXiv来源发表:

组织切片直接读出千基因表达:GeneFlow把推理算力压到0.31 GFLOPs

核心概要

从H&E染色组织图像推断空间基因表达,此前方法多依赖复杂架构与多阶段流程,且通常只覆盖约200个基因的固定面板。GeneFlow把流匹配生成模型与组织学、基因两路分词器结合,直接预测每个空间位点的表达谱,在四个公开数据集上取得最高PCC,PRAD的PCC-1000提升17.1%,可训练模块仅0.31 GFLOPs、单样本采样0.61秒。

Source-provided article image: More Genes, Faster Inference: Efficient Large-Panel Spatial Transcriptomics Prediction from Histology
arXiv

深度剖析

空间基因表达预测现在可以覆盖1000个基因的大面板,而不必停留在约200个基因的固定子集。 此前方法依赖复杂架构和多阶段流程,基因面板通常限定在200个基因以内,而实际应用常需要1000个以上基因的覆盖。 在HEST-1k的四个公开数据集上,GeneFlow在全部PCC指标上高于StNet、EGN、BLEEP、TRIPLEX、Stem和STFlow六个基线,PRAD数据集PCC-1000相对最佳基线提升17.1%。

模型直接从组织学图像预测每个空间位点的基因表达,不需要迭代去噪,也不显式建模位点之间的空间关系。 扩散类方法需要多步迭代采样,部分方法还依赖多尺度分支或显式的细胞间、位点间关系建模。 可训练预测模块为0.31 GFLOPs、单样本采样0.61秒,低于STFlow的53.35 GFLOPs与Stem的42.79 GFLOPs,采样步数在2到5步之间即可稳定。

组织学特征来自预训练的病理基础模型UNI与CONCH,基因侧则压缩成少量基因模块词元。 此前方法或从零训练图像编码器,或把基因当作彼此独立的回归目标处理。 消融中移除基因分词器后PCC-1000从0.2874降到0.1997,移除CONCH降到0.0645,移除UNI降到0.0374。

启示与展望

评估限定在HEST-1k中肾脏、HER2ST、PRAD与小鼠脑四个基于位点的空间转录组数据集,每个数据集留出一张切片作测试、其余切片训练,预测目标是训练切片上高表达且高变异的前1000个基因。

预测精度受病理基础模型的质量与表征能力限制;方法主要依赖配对的H&E与空间转录组数据监督,未显式引入外部生物学知识,在配对数据稀缺的场景下泛化性可能受限。训练步数超过约7.5k后PCC增益趋于饱和,最佳结果出现在15k步;采样步数从1步增到2步时PCC跳升,之后趋于平稳。