新上线今天0 投票
SpaFactor：轻量级空间上下文感知基因程序建模，实现组织学图像到转录组的高效推断
当HE染色切片能“读出”基因表达
空间转录组学（Spatial Transcriptomics, ST）能够在组织架构中直接测量基因表达，为理解肿瘤微环境、发育生物学等提供了前所未有的视角。然而，其高昂的成本和复杂的实验流程，使其难以成为常规临床或大规模研究的工具。一个自然的替代思路是：能否仅从常规的H&E染色图像中预测空间基因表达？
arXiv 最新论文 SpaFactor 正是围绕这一问题展开。该方法由 Shiting Ruan、Xitong Ling 等研究者提出，旨在用轻量级框架实现从组织学图像到转录组的推断。
传统方法的瓶颈
现有方法通常将高维基因表达视为相互独立的目标进行拟合，忽略了基因之间在生物学上的协同关系。这不仅导致模型容易受到高维噪声干扰，还容易过拟合。一些改进尝试引入图神经网络或复杂辅助监督，但计算开销大，难以轻量化部署。
SpaFactor 的核心设计
SpaFactor 提出了一种低秩形态-程序-基因分解框架，其关键创新在于：
- 输入融合：高效融合中心位点的视觉表示与多尺度局部、区域邻域上下文，得到同时捕获细胞形态和微环境异质性的组织学表示。
- 建模方式：使用残差 MLP 稳定学习从组织微环境到低维潜在基因程序的非线性映射。
- 解码输出：通过共享的基因载荷，将这些潜在程序解码为协调的多基因表达预测。
这种设计既降低了计算复杂度，又通过“基因程序”这一中间层保留了基因间的生物学协调性。
实验结果与意义
在五个公开队列上，SpaFactor 取得了最佳的聚合性能，尤其在空间可变基因上提升明显，并且更忠实地恢复了具有生物学组织的空间模式。这意味着，轻量级联合建模组织上下文与基因程序，不仅能提高预测精度，还能增强生物学保真度。
为什么值得关注
SpaFactor 的价值在于它指向了一个可扩展的方向：用常规 H&E 图像低成本地推断空间转录组信息。如果这一技术进一步成熟，将有望在不增加实验负担的前提下，为病理学研究和临床诊断提供分子层面的空间洞察。当然，从公开队列到真实临床场景的泛化能力，仍需更多验证。
论文链接：arXiv:2609.28563
