空间转录学计算机视觉方法:一项调查
Junchao Zhu1, Ruining Deng2, Junlin Guo3
1Department of Computer Science, Vanderbilt University, TN, USA.
bioRxiv : the preprint server for biology
|November 24, 2025
概括
计算机视觉人工智能通过将组织形态与基因表达数据集成来增强空间转录学 (ST). 这种方法降低了成本,使3D分析成为可能,并加速了ST的临床应用.
科学领域:
- 计算生物学 计算生物学
- 生物信息学是一种生物信息学.
- 人工智能的人工智能
背景情况:
- 空间转录组学 (ST) 测量基因表达和组织中的定位.
- 当前的生物信息学方法往往没有充分利用详细的组织形态学.
- ST的局限性包括高成本,2D分析和有限的临床翻译.
研究的目的:
- 系统地调查计算机视觉AI模型,应用于空间转录学分析.
- 探索AI如何弥合组织学和分子数据之间的差距.
- 突出AI的潜力,克服ST的局限性,推进研究和临床实践.
主要方法:
- 基于架构,学习范式,任务和数据集的AI模型的分类.
- 对整合组织学图像与基因表达数据的AI技术的审查.
- 对人工智能在虚拟测序和ST的3D组织重建中的作用进行分析.
主要成果:
- 计算机视觉人工智能为ST提供了超越传统生物信息学的新方法.
- 人工智能能够从组织学中进行"虚拟测序",降低成本并整合病理学的见解.
- 人工智能促进了组织的3D重建,推进了空间奥米克分析.
结论:
- 人工智能驱动的计算机视觉正在改变空间转录学分析.
- 视觉驱动的ST加速了基础研究和临床翻译中的发现.
- 这项调查提供了AI在ST和未来方向的全景.


