空间蛋白质组学的基础模型
计算机视觉与模式识别
2025-06-05 v1 人工智能
摘要
基础模型已开始通过充当预训练的通用骨干来转变图像分析，即使在后训练数据有限的情况下也能适配许多任务，但它们对空间蛋白质组学（一种在单细胞分辨率下绘制蛋白质的成像技术）的影响仍然有限。在此，我们介绍了 KRONOS，一个专为空间蛋白质组学构建的基础模型。KRONOS 以自监督方式在超过4700万张图像块上进行训练，覆盖了175种蛋白标记物、16种组织类型和8种基于荧光的成像平台。我们引入了关键架构适配，以应对多重成像的高维、多通道和异质特性。我们证明 KRONOS 在多个尺度上学习到了生物学上有意义的表示，范围从细胞和微环境到组织层面，使其能够处理多样化的下游任务，包括细胞表型分析、区域分类和患者分层。在11个独立队列上的评估表明，KRONOS 在细胞表型分析、治疗反应预测和检索任务上达到了最先进性能，并且具有极高的数据效率。KRONOS 还引入了无分割块级处理的范式，以实现高效且可扩展的空间蛋白质组学分析，支持跨机构比较，并作为空间模式的图像反向搜索引擎。这些结果共同将 KRONOS 定位为一个灵活且可扩展的空间蛋白质组学工具。该模型公开可访问，地址为 https://github.com/mahmoodlab/KRONOS。
引用
@article{arxiv.2506.03373,
title = {A Foundation Model for Spatial Proteomics},
author = {Muhammad Shaban and Yuzhou Chang and Huaying Qiu and Yao Yu Yeo and Andrew H. Song and Guillaume Jaume and Yuchen Wang and Luca L. Weishaupt and Tong Ding and Anurag Vaidya and Abdallah Lamane and Daniel Shao and Mohammed Zidane and Yunhao Bai and Paige McCallum and Shuli Luo and Wenrui Wu and Yang Wang and Precious Cramer and Chi Ngai Chan and Pierre Stephan and Johanna Schaffenrath and Jia Le Lee and Hendrik A. Michel and Caiwei Tian and Cristina Almagro-Perez and Sophia J. Wagner and Sharifa Sahai and Ming Y. Lu and Richard J. Chen and Andrew Zhang and Mark Edward M. Gonzales and Ahmad Makky and Jia-Ying Joey Lee and Hao Cheng and Nourhan El Ahmar and Sayed Matar and Maximilian Haist and Darci Phillips and Yuqi Tan and Garry P. Nolan and W. Richard Burack and Jacob D. Estes and Jonathan T. C. Liu and Toni K Choueiri and Neeraj Agarwal and Marc Barry and Scott J. Rodig and Long Phi Le and Georg Gerber and Christian M. Schürch and Fabian J. Theis and Youn H Kim and Joe Yeong and Sabina Signoretti and Brooke E. Howitt and Lit-Hsin Loo and Qin Ma and Sizun Jiang and Faisal Mahmood},
journal= {arXiv preprint arXiv:2506.03373},
year = {2025}
}