論文の概要: REST: Reliability-Guided Spatial Transcriptomics Supervision for Gene Expression Prediction from Histopathological HE-Stained Images

• arxiv url: http://arxiv.org/abs/2610.26988v1
• Date: Mon, 19 Oct 2026 06:07:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-21 21:58:47.414698
• Title: REST: Reliability-Guided Spatial Transcriptomics Supervision for Gene Expression Prediction from Histopathological HE-Stained Images
• Title（参考訳）: REST: Reliability-Guided Space Transcriptomics Supervision for Gene Expression Prediction from Histopathological HE-Stained Images
• Abstract要約: 病理組織学は癌診断の中心であるが、ヘマトキシリンおよびエオシン(HE)染色画像の形態は、疾患を特徴づける分子状態を直接明らかにしていない。 我々は,生物プログラムバンク(BPB)によるREST(Reliability-Guided Space Transcriptomics)の監督を提案する。 RESTは、硬化したシグネチャ、経路、細胞型遺伝子セットからBPBを構築し、STエンコーディング、信頼性推定、分子再構成のための共有構造を提供する。
• 参考スコア（独自算出の注目度）: 22.332234057136688
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Histopathology is central to cancer diagnosis, but morphology in Hematoxylin and Eosin (HE)-stained images does not directly reveal the molecular states that characterize disease heterogeneity and inform tumor characterization, prognostic assessment, and biomarker discovery. Spatial Transcriptomics (ST) measures spatially resolved gene expression, providing molecular information within tissue architecture, yet differences in assay coverage and spot informativeness make paired HE--ST observations unequally reliable for representation learning. We propose Reliability-Guided Spatial Transcriptomics (REST) supervision with Biological Program Bank (BPB), a program-structured and reliability-guided ST-supervised training framework for predicting molecular information from H\&E images. REST constructs BPB from curated signature, pathway, and cell-type gene sets to provide a shared structure for ST encoding, reliability estimation, and molecular reconstruction. Guided by BPB, Spot-Reliability Contrastive Alignment (SRCA) measures the reliability of each spot from assay-level program coverage and spot-level activity dispersion, and reweights HE--ST alignment accordingly. Biology-Informed Program Reconstruction (BIPR) further uses learnable program queries to reconstruct member-gene expression from histological morphology. REST's training corpus comprised 209 samples (407,475 spots across 16 organs); evaluation used 70 disjoint samples (230,056 spots across eight organs) for gene-expression, pathway-activity, and cell-signature prediction. REST achieved the highest Macro correlation among state-of-the-art ST-supervised training methods and outperformed existing pathology foundation models. Code is available at https://github.com/lanfz2000/REST.
• Abstract（参考訳）: 病理組織学は癌診断の中心であるが、ヘマトキシリンおよびエオシン(HE)染色画像の形態は、疾患の多様性を特徴付け、腫瘍の特徴、予後評価、バイオマーカー発見を通知する分子状態を直接明らかにしていない。 空間転写学(Spatial Transcriptomics、ST)は、空間的に解決された遺伝子発現を測定し、組織構造内の分子情報を提供するが、測定範囲とスポット情報性の違いは、表現学習に不平等に信頼する。 H&E画像から分子情報を予測するためのプログラム構造化・信頼性誘導ST制御トレーニングフレームワークであるBPB(Reliability-Guided Space Transcriptomics)によるREST(Reliability-Guided Space Transcriptomics)の監督を提案する。 RESTは、硬化したシグネチャ、経路、細胞型遺伝子セットからBPBを構築し、STエンコーディング、信頼性推定、分子再構成のための共有構造を提供する。 BPBが導いたSRCA(Spot-Reliability Contrastive Alignment)は、測定レベルのプログラムカバレッジとスポットレベルのアクティビティ分散から各スポットの信頼性を測定し、それに応じてHE-STアライメントを再重み付けする。 Biology-Informed Program Reconstruction (BIPR)は、学習可能なプログラムクエリを使用して、組織学的形態からメンバ遺伝子表現を再構築する。 RESTのトレーニングコーパスは、209のサンプル(16の臓器に407,475点)で構成され、遺伝子の発現、経路活性、細胞署名予測に70の非結合サンプル(230,056点)を使用した。 RESTは最先端のST教師付きトレーニング手法と既存の病理基盤モデルで最高のマクロ相関を達成した。 コードはhttps://github.com/lanfz2000/RESTで入手できる。

関連論文リスト

• BioM-JEPA: joint-embedding prediction of graph-connected gene blocks in single cells [64.21963170814706]
  BioM-JEPAはグラフ接続された遺伝子ブロックの集合表現を予測する。 学生ネットワークは、細胞内の残りの遺伝子から各ターゲットブロック表現を推論する。 CellBenchタスク全体で、BioM-JEPA埋め込みは発現、経路、および周辺情報を保持している。
  論文  参考訳（メタデータ） (2026-08-06T11:58:29Z)
• Spatial Transcriptomics-Guided Alignment Enhances Molecular Profiling in Pathology Foundation Model [43.24445461533517]
  分子プロファイリングのための空間転写誘導アライメントフレームワーク(STAMP)を提案する。 STAMPは、転写学的データを生物学的に機能する経路に集約する経路インフォームドアライメント戦略を適用している。 これらの拡張表現の臨床的有用性は多層評価フレームワークを用いて検証した。
  論文  参考訳（メタデータ） (2026-05-29T16:41:14Z)
• A Multimodal Foundation Model of Spatial Transcriptomics and Histology for Biological Discovery and Clinical Prediction [13.466764029232898]
  textbfours (textbfSpatial textbfTranscriptomics and histtextbfOlogy textbfRepresentation textbfModel) は18臓器の組織と一致した組織で120万個の空間的に解決された転写学的プロファイルに基づいて訓練された基礎モデルである。
  論文  参考訳（メタデータ） (2026-04-04T08:00:26Z)
• Towards Spatial Transcriptomics-driven Pathology Foundation Models [32.70436266943553]
  本稿では、局所的な分子情報を病理視覚エンコーダに注入するビジョン・オミクス自己教師型学習フレームワークを提案する。 腫瘍および14臓器の正常サンプルにまたがる70,000対の遺伝子の発現スポット-tissue領域のトレーニングによりSEALをインスタンス化する。 SEALエンコーダは、アウト・オブ・ディストリビューションに堅牢なドメイン一般化を示し、遺伝子対イメージ検索のような新しいクロスモーダル機能を実現する。
  論文  参考訳（メタデータ） (2026-02-15T15:06:45Z)
• Computational Mapping of Reactive Stroma in Prostate Cancer Yields Interpretable, Prognostic Biomarkers [17.12439149946061]
  本稿では,レギュラーなヘマトキシリンおよびエオシンスライドにおける反応性ストローマ(RS)を定量化するディープラーニングフレームワーク PROTAS を提案する。 PROTASで定義されたRSは、核拡大、コラーゲンの分解、収縮経路の転写学的富化によって特徴づけられる。
  論文  参考訳（メタデータ） (2026-01-10T00:03:33Z)
• PH2ST:ST-Prompt Guided Histological Hypergraph Learning for Spatial Gene Expression Prediction [9.420121324844066]
  本稿では,空間的遺伝子発現予測のためのマルチスケールな組織学的表現学習を支援するために,プロンプト誘導型ハイパーグラフ学習フレームワークPH2STを提案する。 PH2STは既存の最先端手法に勝るだけでなく、欠落点の計算、ST超解像、局所-グローバル予測などの実用的な応用にも大きな可能性を秘めている。
  論文  参考訳（メタデータ） (2025-03-21T03:10:43Z)
• MIRROR: Multi-Modal Pathological Self-Supervised Representation Learning via Modality Alignment and Retention [57.044719143401664]
  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)
• Unsupervised ensemble-based phenotyping helps enhance the discoverability of genes related to heart morphology [57.25098075813054]
  我々はUn Phenotype Ensemblesという名の遺伝子発見のための新しいフレームワークを提案する。 教師なしの方法で学習された表現型のセットをプールすることで、冗長だが非常に表現性の高い表現を構築する。 これらの表現型は、(GWAS)を介して分析され、高い自信と安定した関連のみを保持する。
  論文  参考訳（メタデータ） (2023-01-07T18:36:44Z)

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。