STPath:用于整合空间转录和全幻灯片图像的生成基础模型
Tinglin Huang1, Tianyu Liu2,3, Mehrtash Babadi4,5
1Department of Computer Science, Yale University, New Haven, CT, USA.
NPJ digital medicine
|November 14, 2025
概括
新的基础模型STPath从组织学图像预测了许多器官的基因表达,而无需微调. 这为瘤微环境研究推进了可扩展的空间转录学.
科学领域:
- 计算生物学 计算生物学
- 基因组学就是基因组学.
- 病理学 病理学 病理学
背景情况:
- 空间转录学 (ST) 在瘤微环境中提供基因表达的关键空间背景.
- 目前的ST方法面临着可扩展性的局限性,需要器官特定的培训和数据集微调.
- 现有的方法可以从有限的基因覆盖范围的全幻灯片图像 (WSIs) 中推断ST.
研究的目的:
- 开发一个可扩展和多功能基础模型用于空间转录学分析.
- 克服现有的ST推断方法的局限性,包括狭窄的基因覆盖和器官特异性.
- 为了能够在广泛的基因和器官中直接预测基因表达,而无需下游微调.
主要方法:
- 介绍了STPath,这是一个在大型WSIs和ST配置文件上预训练的生成基础模型.
- 整合了组织学图像,基因表达,器官类型和测序技术,使其成为一个具有几何意识的变压器.
- 雇佣了面具基因表达预测与量身定制的噪音计划进行培训.
主要成果:
- 在没有微调的情况下,STPath直接预测了17个器官中的38,984个基因的基因表达.
- 在六个不同的任务上表现出强的表现,包括表达式预测,归因,聚类和生物标志物,突变和生存预测.
- 在23个数据集和14个生物标志物中得到验证,显示了广泛的适用性.
结论:
- STPath为基于空间转录学的病理学提供了一个可扩展的解决方案.
- 该模型的预训练使得高质量的推断和在不同器官和数据集的广泛应用成为可能.
- STPath推进了组织学和基因表达数据的整合,用于全面的瘤微环境分析.
