組織学と空間トランスクリプトミクスをマルチモーダルトランスフォーマーと対照的表現学習で統合し、正確な遺伝子発現予測を実現

科学分野:

• 計算生物学
• ゲノミクス
• 医用画像処理

背景:

• 組織の構造と分子表現型の理解は、組織学的画像からの空間的遺伝子発現の予測にかかっています。
• 現在の方法では、単一モデルの制限と、画像データとトランスクリプトミクスデータ間のアライメント不良に対処することが困難です。

研究 の 目的:

• 組織学的画像と空間トランスクリプトミクスを統合するための統一されたマルチモーダル学習フレームワークを開発すること。
• 共有された潜在表現空間を通じて、効果的なクロスモーダルアライメントを可能にすること。

主な方法:

• 組織学的画像のエンコーディングにResNet50畳み込みステムとMobileViTトランスフォーマーバックボーンを利用しました。
• モダリティを共有された潜在空間に射影するために、線形-GELU-ドロップアウト変換ブロックを使用しました。
• 画像とスポットの埋め込み間のクロスモーダルアライメントのために、対照学習目的関数を実装しました。

主要な成果:

• MViTGeneは、ヒト肝臓のVisiumデータセットにおいて、既存の方法と比較して有意に高い予測精度を示しました。
• マーカー遺伝子、高発現遺伝子、高変動遺伝子の予測において、それぞれ20%、33%、12%の精度向上が達成されました。
• このモデルは、組織形態と遺伝子発現の間の対応関係を正確に捉えています。

結論:

• MViTGeneは、ハイスループットな空間的遺伝子発現予測のための計算ツールを提供します。
• このフレームワークは、パフォーマンスと解釈可能性のバランスを取り、より信頼性の高い生物学的解釈を可能にします。
• マルチモーダル統合を通じて、空間トランスクリプトミクス解析の分野を進歩させます。