PaSTel：通过多尺度分层生物先验对比预训练将组织学锚定在空间转录组学中

空间转录组学 (ST) 将组织形态与分子程序联系起来，激发了将组织学图像与基因表达对齐的多模式预训练方法。然而，现有的方法存在两个关键限制：空间信息基因选择通常由无处不在的管家基因主导，导致辨别力较弱，并且独立的斑点补丁对齐无法捕获对组织组织至关重要的空间依赖性。为了应对这些挑战，我们引入了 PaSTel，这是一种分层多模式预训练框架，在三个层面上整合了生物学先验。在点水平上，TF-IDF 重新加权用于识别空间信息基因；在功能层面，精心策划的 KEGG 路径作为编码全局生物语义的锚点；在区域层面，空间聚类聚集相邻点以模拟中尺度组织结构。在多个下游任务中，PaSTel 始终优于现有的视觉和视觉组学编码器，证明结合多尺度生物学先验可以为空间转录组学产生更多信息和可转移的表示。