¡No se requiere secuenciación desde la histología hasta la transcriptómica! Uno de los equipos ganadores de Autoimmune Disease ML Crunch 2 en asociación con @Schmidt_Center construyó una línea que predice 2,000 expresiones de genes inmunes directamente a partir de imágenes de tejidos. Vamos a desglosarlo 🧵

El problema ¿Podemos inferir la expresión génica solo a partir de portaobjetos de tejido? Ese es el tipo de compresión de señal que la IA está desbloqueando ahora, convirtiendo las imágenes teñidas en conocimientos moleculares para enfermedades autoinmunes. Este equipo construyó uno de los sistemas más elegantes del desafío.

Su pila • Parches extraídos de portaobjetos de histología • Transformador de visión (ViT) para incrustaciones 1024-d • Atención multifacética para predecir 200 genes de la variable superior • Codificador-decodificador variacional que reconstruye las 2.000 expresiones génicas Entrenado con los datos normalizados de scRNA-seq de Crunch.

La arquitectura Incrustación de → de imagen → perfil de → de señal Este sistema asigna entradas a salidas modelando la biología subyacente. Cada capa extrae un tipo diferente de información: visual, estadística y biológica. El resultado final es preciso, interpretable y se basa en la estructura de los datos.

El impacto Este tipo de sistema reduce los costos, acelera el diagnóstico y une las imágenes con las ómicas. especialmente valioso en enfermedades donde la actividad inmunológica se esconde debajo de la superficie. Un paso adelante para la patología computacional. Y para los pacientes.

El equipo • Dr. Sukrit Gupta @YoSukrit • Amit Kumar • Maninder Kaur • Dr. Michele Ceccarelli @mceccarelli • Centro comercial Dr. Raghvendra @MallRaghvendra Lea su artículo completo aquí: