一种三模态、基于不确定性的全切片框架，用于癌症队列中的基因组尺度空间表达分析及仅基于图像的虚拟扰动实验

《Genome Medicine》：Trimodal, uncertainty-guided whole-slide framework for genome-scale spatial expression and image-only virtual perturbation in cancer cohorts

　　

摘要

空间转录组学方法虽功能强大，但成本高昂；而苏木精和伊红染色图像则较为常用。我们推出了Coladan-human3K，这是目前最大规模的人类空间转录组学数据集（约3,000个样本），同时还提出了Coladan这一三模态（图像、文本、空间基因）全切片分析框架，该框架能够在保留基础模型特征的同时，预测每个检测点对应的整个基因组的基因信息，并给出精确的不确定性评估。在32个Visium数据集中，Coladan将皮尔逊相关系数从0.230提升至0.431，提升了约1.9倍，同时展现出通路层面的富集一致性，还能直接应用于VisiumHD和Xenium的点位级分析。仅通过分类标记词嵌入的扰动方法，其效果与基于表达量的基准方法相当，从而实现了无需实测表达量即可仅通过图像进行虚拟扰动，这一方法已在正常前列腺组织和癌症前列腺组织中得到应用，用于生成原位假设。