H&E画像から空間的遺伝子発現と細胞タイプを予測するSTimage：深層学習によるデジタル病理学と臨床応用の進歩

科学分野:

• 計算生物学
• デジタル病理学
• ゲノミクス

背景:

• 空間的トランスクリプトミクス（ST）は、組織形態と遺伝子発現を統合し、デジタル病理学を進歩させます。
• 深層学習モデルは、画像からの遺伝子発現予測と細胞分類に有望ですが、解釈可能性と堅牢性の向上が必要です。

研究 の 目的:

• 標準的なH&E組織学画像から直接空間的遺伝子発現を予測し、細胞タイプを分類するためのモデルスイートであるSTimageを提示すること。
• 空間的トランスクリプトミクス解析における深層学習モデルの堅牢性と解釈可能性を向上させること。

主な方法:

• STimageのための基盤モデルを用いたアンサンブルアプローチを利用しました。
• 遺伝子発現分布を推定し、アレアトリックおよびエピステミック不確実性を定量化しました。
• 組織病理学的アノテーションと機能的遺伝子を用いた単一細胞解像度での属性分析を統合しました。

主要な成果:

• 多様なデータセットとプラットフォームでSTimageを検証しました。
• H&E画像からの遺伝子発現予測と細胞タイプ分類におけるSTimageの能力を実証しました。
• 患者の生存期間の層別化と薬物応答の予測のために、STimageによって予測された遺伝子発現を示しました。

結論:

• STimageは、日常的な組織学からの空間的遺伝子発現と細胞タイプ予測のための堅牢で解釈可能な深層学習フレームワークを提供します。
• 標準的な組織病理学からの分子および細胞レベルの洞察を可能にし、デジタル病理学と臨床応用を大幅に進歩させます。