AI 驱动的 3D 空间转录组
计算机视觉与模式识别
2025-02-26 v1 应用统计
摘要
对组织结构和基因表达的全面三维（3D）图谱对于阐明不同生物医学应用中组织的复杂性和异质性至关重要。然而，大多数空间转录组（spatial transcriptomics, ST）方法仍受限于组织的二维（2D）切片。尽管当前的 3D ST 方法前景光明，但它们通常需要大量组织切片、操作复杂，且不兼容非破坏性 3D 组织成像技术，往往缺乏可扩展性。本文提出了体积解析转录组表达（VOlumetrically Resolved Transcriptomics EXpression, VORTEX），这是一种人工智能框架，利用 3D 组织形态学和最小化 2D ST 数据来预测体积化 3D ST。通过在多样化组织样本的 3D 形态-转录组对上进行预训练，然后在特定兴趣区域的最小 2D ST 数据上进行微调，VORTEX 学习到了与组织相关的通用形态特征以及特定样本中基因表达的形态学相关性。这种方法实现了密集、高通量且快速的 3D ST，能够无缝扩展至远超现有 3D ST 技术覆盖范围的大组织体积。通过提供一种成本效益高且破坏性低的获取体积分子信息途径，我们预计 VORTEX 将加速生物标志物的发现，以及对复杂组织中形态-分子关联性和细胞状态的理解。可在 https://vortex-demo.github.io/ 查看交互式 3D ST 体积。
引用
@article{arxiv.2502.17761,
title = {AI-driven 3D Spatial Transcriptomics},
author = {Cristina Almagro-Pérez and Andrew H. Song and Luca Weishaupt and Ahrong Kim and Guillaume Jaume and Drew F. K. Williamson and Konstantin Hemker and Ming Y. Lu and Kritika Singh and Bowen Chen and Long Phi Le and Alexander S. Baras and Sizun Jiang and Ali Bashashati and Jonathan T. C. Liu and Faisal Mahmood},
journal= {arXiv preprint arXiv:2502.17761},
year = {2025}
}