FLAG：基于图的潜在扩散对齐基础模型表示用于空间基因表达预测
机器学习
2026-05-19 v1 人工智能
摘要
从常规 H&E 预测空间基因表达能够实现大规模分子分析，然而现有模型将其视为孤立的逐点任务，从而忽略了基因协同与空间分布等基本生物学结构。为保留这些关系，我们引入了 FLAG，一个基于扩散的框架，将该任务重新定义为结构化分布建模。同时，我们发现了关键的“基因维度诅咒”问题，即在高维空间中联合建模基因表达及其空间相互作用会失败；FLAG 通过集成空间图编码器以保持拓扑一致性，并在生成过程中利用基因基础模型（GFM）对齐以保证基因间保真度，从而解决了这一挑战。为严格评估模型性能，我们提出了一组新的结构化评估指标，包括基因结构相关性（GSC）与空间结构相关性（SSC）。我们的实验表明，FLAG 在传统精度（PCC/MSE）上极具竞争力，同时在捕获基因间与基因空间关系方面实现了显著增强的结构保真度。代码可在 https://github.com/darkflash03/FLAG 获取。
引用
@article{arxiv.2605.18055,
title = {FLAG: Foundation model representation with Latent diffusion Alignment via Graph for spatial gene expression prediction},
author = {Qi Si and Penglei Wang and Yushuai Wu and Yifeng Jiao and Xuyang Liu and Xin Guo and Yuan Qi and Yuan Cheng},
journal= {arXiv preprint arXiv:2605.18055},
year = {2026}
}
备注
9 pages for main text, 3 pages for references, 19 pages for appendix. accepted by ICML 2026