空间转录组学引导的比对增强病理学基础模型中的分子分析

全面的分子分析对于现代精准肿瘤学至关重要，但仍然受到高昂的成本、样本耗尽和漫长的周转时间的阻碍。虽然病理学基础模型 (PFM) 已显示出从常规苏木精和伊红 (H&E) 全玻片图像 (WSI) 推断分子表型的潜力，但当前的架构主要依赖于以视觉为中心的自我监督学习或视觉语言对齐，缺乏将细微形态特征与潜在基因组改变联系起来所需的空间分辨分子监督。空间转录组学 (ST) 作为一种变革性技术出现，可以在完整的组织切片中进行转录组学定量，从而保留组织学和分子谱之间的精确空间联系。在这项研究中，我们提出了一个空间转录组学引导的分子分析比对框架（STAMP），它赋予 PFM 内在的分子意识。为了支持这一范例，我们策划了 HumanST-1k，这是一个涵盖不同解剖器官和测序平台的人类 ST 数据集。该图谱产生了 180 万对 H&E 斑块和相应的转录组图谱，提供了将组织学结构与其分子状态联系起来的语料库。为了减轻原始转录组学固有的技术噪音，STAMP 采用了一种基于通路的比对策略，将转录组数据聚合到生物功能通路中，随后通过参数高效的 微调 将其集成到 PFM 中。这种排列丰富了 PFM 的表示空间，并释放了它们解析亚视觉分子特征的能力。这些增强表示的临床效用通过多层评估框架得到验证。