生物通官微陪你抓住生命科技跳动的脉搏
DeepPathway:基于组织病理学图像预测通路表达
《Bioinformatics》:DeepPathway: Predicting Pathway Expression from Histopathology Images
【字体: 大 中 小 】 时间:2026年08月27日 来源:Bioinformatics 5.5
编辑推荐:
摘要 动机空间转录组学(ST)技术提供了具有空间分辨率的基因表达以及图像数据,使得能够综合分析复杂的组织微环境。尽管具有潜力,但由于成本高昂以及数据获取中的方法学挑战,ST 的广泛采用仍然有限。因此,最近有一些努力
空间转录组学(ST)技术提供了具有空间分辨率的基因表达以及图像数据,使得能够综合分析复杂的组织微环境。尽管具有潜力,但由于成本高昂以及数据获取中的方法学挑战,ST 的广泛采用仍然有限。因此,最近有一些努力致力于开发深度学习方法,以便从便宜且易于获得的苏木精和伊红(H&E)图像中推断空间基因表达。这些方法在重建组织切片内的转录组图谱方面展示了前景光明的结果。虽然现有方法侧重于基因水平的预测,但生物过程通常是通过功能相关基因之间的协调活动在通路水平上进行调控的。
我们提出了 DeepPathway,这是一种基于对比学习的方法,在 ST 数据上进行训练,以从 H&E 图像中预测通路表达。我们使用既定的通路定义,通过汇总组成基因的表达来计算输入通路表达。我们在多个癌症数据集上评估了 DeepPathway 的性能,并在来自癌症基因组图谱(TCGA)的 H&E 图像上对其进行了验证,清晰地分辨出正常组织区域和肿瘤组织区域中某些通路的活性。最后,我们将该方法应用于使用脑肿瘤样本的 H&E 图像预测缺氧特征,其中匹莫尼达唑缺氧染色可作为真值。
DeepPathway 的实现代码可在 https://doi.org/10.5281/zenodo.21100191 和 GitHub 仓库:https://github.com/aahsan045/DeepPathway 获取。
热搜:空间转录组学|H&E 图像|通路表达|对比学习|深度学习
今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号