DUET：基于单细胞归纳先验的空间转录组预测双范式自适应专家分诊
计算机视觉与模式识别
2026-05-15 v1
摘要
从组织学图像推断空间分辨的基因表达，为空间转录组学（ST）提供了一种具有成本效益的补充。然而，现有方法将此任务简化为简单的形态到表达映射，其中视觉相似性并不能保证分子一致性。同时，单细胞数据已经积累了远超 ST 数据规模的丰富资源，但在视觉-组学建模中仍未被充分探索。此外，当前方法受限于单一范式且存在瓶颈，无法平衡表达的灵活性与生物学保真度。为了弥合这些差距，我们提出了 DUET，这是一种新颖的双范式框架，在细胞归纳先验下协同参数化预测和基于记忆的检索。DUET 实现了并行的回归-检索范式，自适应地调和其互补路径的输出。为了缓解偶然的视觉模糊性，我们引入了大规模单细胞参考数据，将分子状态作为生物学约束以进行忠实学习。在结构细化基础上，我们进一步设计了一个轻量级适配器，以在空间上下文中动态分配分支偏好，从而实现最佳性能。在三个公共数据集上跨不同基因尺度的广泛实验表明，DUET 实现了 SOTA 性能，每个提出的组件均贡献了一致的增益。代码可在 https://github.com/Junchao-Zhu/DUET 获取。
引用
@article{arxiv.2605.14104,
title = {DUET: Dual-Paradigm Adaptive Expert Triage with Single-cell Inductive Prior for Spatial Transcriptomics Prediction},
author = {Junchao Zhu and Ruining Deng and Junlin Guo and Tianyuan Yao and Chongyu Qu and Juming Xiong and Zhengyi Lu and Yanfan Zhu and Marilyn Lionts and Yuechen Yang and Yu Wang and Shilin Zhao and Haichun Yang and Yuankai Huo},
journal= {arXiv preprint arXiv:2605.14104},
year = {2026}
}