論文の概要: CellSymphony: Deciphering the molecular and phenotypic orchestration of cells with single-cell pathomics

• arxiv url: http://arxiv.org/abs/2508.10232v1
• Date: Wed, 13 Aug 2025 23:02:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-15 22:24:48.134284
• Title: CellSymphony: Deciphering the molecular and phenotypic orchestration of cells with single-cell pathomics
• Title（参考訳）: CellSymphony: 単一細胞の病原性を有する細胞の分子的および表現型オーケストレーションの解明
• Authors: Paul H. Acosta, Pingjun Chen, Simon P. Castillo, Maria Esther Salvatierra, Yinyin Yuan, Xiaoxi Pan,
• Abstract要約: 我々は,Xenium transcriptomic profiles と Histology image の双方からの基盤モデル由来の埋め込みを,真の単一セル解像度で活用するフレキシブルなフレームワークである CellSymphony を紹介する。 形態学的文脈で空間的遺伝子発現を融合する関節表現を学習することにより、CellSymphonyは正確な細胞型アノテーションを達成し、3種類の癌にまたがる異なる微小環境ニッチを明らかにする。
• 参考スコア（独自算出の注目度）: 1.5312292486898271
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Xenium, a new spatial transcriptomics platform, enables subcellular-resolution profiling of complex tumor tissues. Despite the rich morphological information in histology images, extracting robust cell-level features and integrating them with spatial transcriptomics data remains a critical challenge. We introduce CellSymphony, a flexible multimodal framework that leverages foundation model-derived embeddings from both Xenium transcriptomic profiles and histology images at true single-cell resolution. By learning joint representations that fuse spatial gene expression with morphological context, CellSymphony achieves accurate cell type annotation and uncovers distinct microenvironmental niches across three cancer types. This work highlights the potential of foundation models and multimodal fusion for deciphering the physiological and phenotypic orchestration of cells within complex tissue ecosystems.
• Abstract（参考訳）: 新しい空間転写学プラットフォームであるXeniumは、複雑な腫瘍組織の細胞内分解能プロファイリングを可能にする。 組織像の豊富な形態情報にもかかわらず、堅牢な細胞レベルの特徴を抽出し、空間転写学データと統合することは、依然として重要な課題である。 我々は,Xenium transcriptomic profiles と Histology image の両方から基礎モデル由来の埋め込みを真の単一セル解像度で活用する,柔軟なマルチモーダルフレームワークである CellSymphony を紹介する。 形態学的文脈で空間的遺伝子発現を融合する関節表現を学習することにより、CellSymphonyは正確な細胞型アノテーションを達成し、3種類の癌にまたがる異なる微小環境ニッチを明らかにする。 この研究は、複雑な組織生態系内の細胞の生理的および表現型オーケストレーションを解読する基礎モデルと多モード融合の可能性を強調している。

関連論文リスト

• PAST: A multimodal single-cell foundation model for histopathology and spatial transcriptomics in cancer [26.795192024462963]
  PASTは、2000万対の病理像と単細胞トランスクリプトームに基づいて訓練されたパン・カンサー単細胞基盤モデルである。 単細胞遺伝子の発現、仮想分子染色、および定期的な病理スライドから直接多モーダル生存解析を予測する。 我々の研究は、病理基盤モデルのための新しいパラダイムを確立し、高分解能空間オミクス、機械学的発見、精密がん研究のための多用途ツールを提供する。
  論文  参考訳（メタデータ） (2025-07-08T21:51:25Z)
• SPATIA: Multimodal Model for Prediction and Generation of Spatial Cell Phenotypes [39.45743286683448]
  本研究では,空間転写学のマルチスケール生成予測モデルであるSPATIAを紹介する。 SPATIAは、画像由来のモルフォロジートークンと転写ベクタートークンを融合させることで、細胞レベルの埋め込みを学習する。 われわれはSPATIAを12のタスクにまたがる13の既存モデルに対してベンチマークする。
  論文  参考訳（メタデータ） (2025-07-07T06:54:02Z)
• HEIST: A Graph Foundation Model for Spatial Transcriptomics and Proteomics Data [13.66950862644406]
  本稿では,空間転写学データのための階層型グラフトランスフォーマーモデルHEISTを紹介する。 HEISTは15の臓器にまたがる124の組織から22.3M細胞で事前訓練されている。 細胞埋め込みにおける微小環境の影響を効果的にコードし、空間的にインフォームドされたサブ集団の発見を可能にする。
  論文  参考訳（メタデータ） (2025-06-11T12:29:01Z)
• MIRROR: Multi-Modal Pathological Self-Supervised Representation Learning via Modality Alignment and Retention [52.106879463828044]
  病理組織学と転写学は、腫瘍学の基本的なモダリティであり、疾患の形態学的および分子的側面を包含している。 モーダルアライメントと保持を両立させる新しいマルチモーダル表現学習法であるMIRRORを提案する。 がんの亜型化と生存分析のためのTCGAコホートに関する広範囲な評価は,MIRRORの優れた性能を浮き彫りにしている。
  論文  参考訳（メタデータ） (2025-03-01T07:02:30Z)
• Segmentation-free integration of nuclei morphology and spatial transcriptomics for retinal images [1.2200074914789645]
  SEFI(Segmentation-Free Integration)は、細胞核の形態的特徴と空間転写学データを統合する新しい方法である。 マルチプレックス単一分子Fluorescence In Situ Hybridization (smFISH)を用いて得られた発達期網膜の空間分解遺伝子発現プロファイルについてSEFIを実証する。
  論文  参考訳（メタデータ） (2025-02-08T14:03:02Z)
• Multi-Modal and Multi-Attribute Generation of Single Cells with CFGen [76.02070962797794]
  本研究では、単一セルデータ固有の離散性を保存するフローベースの条件生成モデルであるCellFlow for Generation (CFGen)を紹介する。 CFGenは、全ゲノムマルチモーダル単一セルデータを確実に生成し、重要な生物学的データ特性の回復を改善する。
  論文  参考訳（メタデータ） (2024-07-16T14:05:03Z)
• Revisiting Adaptive Cellular Recognition Under Domain Shifts: A Contextual Correspondence View [49.03501451546763]
  生物学的文脈における暗黙の対応の重要性を明らかにする。 モデル構成成分間のインスタンス認識トレードオフを確保するために, 自己適応型動的蒸留を提案する。
  論文  参考訳（メタデータ） (2024-07-14T04:41:16Z)
• Single-Cell Deep Clustering Method Assisted by Exogenous Gene Information: A Novel Approach to Identifying Cell Types [50.55583697209676]
  我々は,細胞間のトポロジ的特徴を効率的に捉えるために,注目度の高いグラフオートエンコーダを開発した。 クラスタリング過程において,両情報の集合を統合し,細胞と遺伝子の特徴を再構成し,識別的表現を生成する。 本研究は、細胞の特徴と分布に関する知見を高め、疾患の早期診断と治療の基礎となる。
  論文  参考訳（メタデータ） (2023-11-28T09:14:55Z)
• Tertiary Lymphoid Structures Generation through Graph-based Diffusion [54.37503714313661]
  本研究では,最先端のグラフベース拡散モデルを用いて生物学的に意味のある細胞グラフを生成する。 本研究では, グラフ拡散モデルを用いて, 3次リンパ構造(TLS)の分布を正確に学習できることを示す。
  論文  参考訳（メタデータ） (2023-10-10T14:37:17Z)
• Topology-Guided Multi-Class Cell Context Generation for Digital Pathology [28.43244574309888]
  空間統計学とトポロジカルデータ解析の数学的ツールをいくつか紹介する。 高品質なマルチクラスセルレイアウトを初めて生成する。 トポロジに富んだセルレイアウトは,データ拡張やセル分類などの下流タスクの性能向上に有効であることを示す。
  論文  参考訳（メタデータ） (2023-04-05T07:01:34Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。