STP-BENCH：组织病理学图像虚拟空间转录组学的统一系统基准

空间转录组学（ST）通过捕获空间分辨的基因表达，为肿瘤异质性提供了前所未有的见解，但其高昂的实验成本阻碍了大规模采用。因此，直接从苏木精和伊红载玻片预测空间基因表达的计算方法（称为虚拟 ST）迅速出现。尽管取得了这些进展，但由于基准测试不足，评估该领域的进展仍然很困难：先前的研究依赖于小型异构数据集、不一致的训练和推理流程，以及对生物可解释性和模型鲁棒性的评估有限。为了解决这些差距，我们推出了 STP-BENCH，这是虚拟 ST 模型的标准化基准。 STP-BENCH 包含跨越两个 ST 平台（Visium 和 Xenium）的六种癌症类型，每个训练数据集包含超过 30,000 个点和至少 15 张幻灯片，以确保统计可靠性。我们评估了 21 种预测方法，并在架构适用时使用统一的病理基础模型作为形态编码器重新实现。除了报告高度​​可变基因的平均预测准确性的传统基准之外，我们系统地检查哪些基因和基因集可以从组织形态学中恢复。我们通过细胞类型反卷积和空间域识别进一步评估预测概况的下游生物学效用，并评估域转移和数据缩放下的模型可靠性。值得注意的是，统一形态编码极大地重新排序了先前研究中建立的模型排名，这表明架构创新和图像编码在先前的评估中已被混为一谈。我们在 https://github.com/NEXGEM/STP-Bench 上公开发布了 STP-BENCH 以支持可重复性并作为社区基准。