MERGE：基于多特征分层图的基因表达预测图神经网络
计算机视觉与模式识别
2025-03-21 v2
摘要
最近的空间转录组学 (Spatial Transcriptomics, ST) 将组织学图像与空间分辨基因表达轮廓相结合，使能够基于图像块预测不同组织位置的基因表达，这为利用局部化基因表达增强整块组织图像 (Whole Slide Image, WSI) 预测任务开辟了新可能。然而，现有方法未能充分利用不同组织位置之间的相互作用，而这些相互作用对于准确的联合预测至关重要。为此，我们引入 MERGE (Multi-faceted hiErarchical gRaph for Gene Expressions)，该方法结合多特征分层图构建策略与图神经网络 (GNN)，以提高从 WSI 进行基因表达预测的效果。通过基于空间和形态特征对组织图像块进行聚类，并纳入簇内和簇间边缘，我们的方法在 GNN 学习期间促进了不同组织位置之间的相互作用。作为额外贡献，我们评估了各种数据平滑技术，这些技术是必要的，以缓解 ST 数据中的人为损伤，常由技术瑕疵引起。我们主张采用更具生物学依据的基因感知平滑方法。实验结果表明，我们的 GNN 方法在多个指标上超越了最先进的技术。
引用
@article{arxiv.2412.02601,
title = {MERGE: Multi-faceted Hierarchical Graph-based GNN for Gene Expression Prediction from Whole Slide Histopathology Images},
author = {Aniruddha Ganguly and Debolina Chatterjee and Wentao Huang and Jie Zhang and Alisa Yurovsky and Travis Steele Johnson and Chao Chen},
journal= {arXiv preprint arXiv:2412.02601},
year = {2025}
}
备注
Main Paper: 8 pages, Supplementary Material: 11 pages, Figures: 19