融合:基于多面层次图的基因基因表达预测从整片基因病理图像
Aniruddha Ganguly1, Debolina Chatterjee2, Wentao Huang1
1Stony Brook University, NY, USA.
Proceedings. IEEE Computer Society Conference on Computer Vision and Pattern Recognition
|August 28, 2025
概括
MERGE是一种新的图形神经网络方法,通过模拟组织位置相互作用来增强从整个幻灯片图像的基因表达预测. 它通过考虑空间和形态特征来提高准确性,以便更好地预测.
科学领域:
- 计算生物学
- 生物信息学
- 基因组学
背景情况:
- 空间转录学 (ST) 将组织学图像与基因表达数据集成.
- ST可以从组织图像补丁中预测基因表达.
- 现有的方法不能完全利用组织间位置相互作用进行关节预测.
研究的目的:
- 引入MERGE (基因表达的多面高层基因图) 以从整个幻灯片图像 (WSIs) 中改进基因表达预测.
- 为了提高预测准确度,利用不同组织位置之间的相互作用.
- 评估ST数据工件缓解的数据平滑技术.
主要方法:
- MERGE使用多面层次图形构建策略与图形神经网络 (GNN).
- 组织图像贴片根据空间和形态特征进行聚类.
- 集群内和集群间的边缘被用于模拟远距离组织位置之间的相互作用.
主要成果:
- 通过多种指标, MERGE 在基因表达预测方面超越了最先进的技术.
- 建议在ST数据中采用基因意识的光滑方法来缓解生物学上合理的物质.
- 通过GNN方法,可以有效地捕捉空间距离较远的组织区域之间的相互作用.
结论:
- 通过模拟复杂的空间关系,MERGE提供了一个强大的框架来增强WSI的基因表达预测.
- 这项研究强调了考虑组织间位置相互作用对于准确的预测的重要性.
- 基因意识的平滑对于可靠的ST数据分析至关重要.
