用于基因表达预测空间转录组学分析的范例引导深度神经网络
计算机视觉与模式识别
2022-11-01 v1
摘要
空间转录组学（ST）对于理解疾病和开发新疗法至关重要。它以低通量测量组织切片中每个细粒度区域（即不同窗口）的基因表达。本文提出一种范例引导网络（EGN），用于直接从组织切片图像的每个窗口准确且高效地预测基因表达。我们应用范例学习，通过给定组织切片图像窗口的最近/相似范例动态提升基因表达预测。我们的 EGN 框架由三个主要组件构成：1）一个提取器，用于构建无监督范例检索的表示空间；2）一个视觉Transformer（ViT）骨干网络，用于逐步提取输入窗口的表示；3）一个范例桥接（EB）模块，利用最近范例自适应修正中间的 ViT 表示。最后，我们用一个基于简单注意力的预测模块完成基因表达预测任务。在标准基准数据集上的实验表明，与过去最先进（SOTA）方法相比，我们的方法具有优越性。
引用
@article{arxiv.2210.16721,
title = {Exemplar Guided Deep Neural Network for Spatial Transcriptomics Analysis of Gene Expression Prediction},
author = {Yan Yang and Md Zakir Hossain and Eric A Stone and Shafin Rahman},
journal= {arXiv preprint arXiv:2210.16721},
year = {2022}
}