GeneQuery：基于问答框架的空间基因表达预测通用方法
计算机视觉与模式识别
2024-11-28 v1
摘要
基因表达轮廓提供了对分子机制的深刻见解，但其耗时和高昂的成本常常 presents 重大挑战。相比之下，整块切片HE染色组织学图像易于获取，可在显微镜层面进行详细的组织结构和成分检查。最近的研究利用这些组织学图像来预测空间分辨基因表达轮廓。然而，现有方法将基因表达预测视为多输出回归问题，每个基因独立学习其自身权重，无法捕捉基因之间共享的依赖性和共表达模式。此外，现有方法只能预测训练期间看到的基因的表达值，限制了其对新出现的、未见过的基因的泛化能力。为克服上述局限性，本文提出了GeneQuery，通过将基因表达预测任务以问答方式求解以提高其通用性和灵活性。具体而言，GeneQuery将与基因相关的文本作为查询，将整块组织学图像作为上下文，然后预测被查询的基因表达水平。通过这种方式，GeneQuery可以隐式地通过引入基因随机变量来估计基因分布。此外，提出的GeneQuery包含两种架构实现，即针对图像模式捕捉的spot-aware GeneQuery和针对基因模式捕捉的gene-aware GeneQuery。广泛的实验在空间转录组数据集上表明，GeneQuery在已知和未见基因上均优于现有最先进的方法。更多结果也表明，GeneQuery potentially 用于分析组织结构。
引用
@article{arxiv.2411.18391,
title = {GeneQuery: A General QA-based Framework for Spatial Gene Expression Predictions from Histology Images},
author = {Ying Xiong and Linjing Liu and Yufei Cui and Shangyu Wu and Xue Liu and Antoni B. Chan and Chun Jason Xue},
journal= {arXiv preprint arXiv:2411.18391},
year = {2024}
}