通过多式变压器和对比表示学习整合组织学和空间转录学,以准确预测基因表达
Kai Wang1, Liuming Shi1, Xue Li1
1Key Laboratory of Advanced Design and Intelligent Computing, Ministry of Education, School of Software Engineering, Dalian University, Dalian 116622, China.
Journal of biomedical informatics
|February 28, 2026
概括
这项研究引入了MViTGene,这是一个用于从组织学图像预测空间基因表达的新框架. 该模型有效地对齐成像和转录基因数据,提高了各种基因类型的预测准确度.
科学领域:
- 计算生物学 计算生物学
- 基因组学就是基因组学.
- 医疗成像医学成像
背景情况:
- 了解组织组织和分子表型依赖于从组织学图像预测空间基因表达.
- 目前的方法与单一模型的局限性和图像和转录数据之间的不良对齐扎.
研究的目的:
- 开发一个统一的多式模式学习框架,以整合组织学成像和空间转录学.
- 通过共享的潜伏表示空间,实现有效的交叉模式对齐.
主要方法:
- 使用ResNet50卷积干和MobileViT变压器骨干进行组织学图像编码.
- 采用线性-GELU-dropout转换块来将模式投射到共享的潜空间中.
- 实现了对比学习目标,用于图像和点嵌入之间的交叉模式对齐.
主要成果:
- 与人类肝脏Visium数据集上的现有方法相比,MViTGene的预测准确度明显更高.
- 在预测标记物,高度表达和高度可变基因方面分别实现了20%,33%和12%的改进.
- 该模型准确地捕捉了组织形态和基因表达之间的对应.
结论:
- MViTGene提供了一个用于高通量空间基因表达预测的计算工具.
- 该框架平衡了性能和可解释性,使生物解释更可靠.
- 通过多式联络集成,推进空间转录学分析领域.
相关概念视频
02:07Improving Translational Accuracy
15.3K
Base complementarity between the three base pairs of mRNA codon and the tRNA anticodon is not a failsafe mechanism. Inaccuracies can range from a single mismatch to no correct base pairing at all. The free energy difference between the correct and nearly correct base pairs can be as small as 3 kcal/ mol. With complementarity being the only proofreading step, the estimated error frequency would be one wrong amino acid in every 100 amino acids incorporated. However, error frequencies observed in...
15.3K
02:07Improving Translational Accuracy
3.7K
3.7K