返回
PGST: A Prototype-Guided Parameter-Efficient Network for Spatial Transcriptomics Prediction
DOI:10.1109/jbhi.2026.3666148.png)
摘要
En 中文
空间转录组学(ST)旨在解码空间分辨的基因表达模式,同时保留组织形态。当前方法倾向于使用低成本深度学习模型进行基因表达预测,但面临严峻挑战。首先,现有方法未能充分关注ST中固有的位置编码的空间特异性;其次,它们忽略了跨不同域的空间一致共表达模式;第三,其对线性加权聚类的依赖导致对噪声和分布漂移的脆弱性;最后,这些架构表现出有限的参数效率。为解决这些问题,我们提出空间转录组学的原型引导网络(PGST),包括四个部分:(1)通过极坐标嵌入策略实现定向信号传播的空间转录组学(PEST);(2)原型引导的聚合以保留全局共特征;(3)通过共享解码器与重建损失实现全局一致性约束;(4)轻量化架构设计。我们的框架整合对比学习与图神经网络,以平衡局部-全局空间依赖和跨模态一致性。在多个ST数据集上的实验结果表明,我们的PGST模型优于现有方法。
Keyword:
Spatial transcriptomics
deep learning
histopathological images
graph neural network
期刊
IF:
6.8
论文数:
4.7K
被引数:
2.0W
机构
引用论文
Mutational landscape determines sensitivity to PD-1 blockade in non–small cell lung cancer突变景观决定了非小细胞肺癌对PD-1阻断的敏感性
Science
IF0
A single-cell and spatially resolved atlas of human breast cancers人类乳腺癌的单细胞和空间分辨图谱
NATURE GENETICS
IF31.8
Lymphatic-localized Treg-mregDC crosstalk limits antigen trafficking and restrains anti-tumor immunity淋巴定位的treg-mregdc串扰限制抗原运输并抑制抗肿瘤免疫
Cancer Cell
IF0
A comparison of marker gene selection methods for single-cell RNA sequencing data单细胞RNA测序数据标记基因选择方法的比较
GENOME BIOLOGY
IF9.4
scID Uses Discriminant Analysis to Identify Transcriptionally Equivalent Cell Types across Single-Cell RNA-Seq Data with Batch Effect
iScience
IF0
Cell2location maps fine-grained cell types in spatial transcriptomicsCell2location在空间转录组学中映射细粒度的细胞类型
NATURE BIOTECHNOLOGY
IF41.7

