Tidak diperlukan pengurutan dari histologi hingga transkriptomik! Salah satu tim pemenang di Autoimmune Disease ML Crunch 2 dalam kemitraan dengan @Schmidt_Center membangun pipeline yang memprediksi 2.000 ekspresi gen kekebalan langsung dari gambar jaringan. Mari kita uraikan 🧵

Masalah Bisakah kita menyimpulkan ekspresi gen dari slide jaringan saja? Itulah jenis kompresi sinyal yang sekarang dibuka oleh AI, mengubah gambar bernoda menjadi wawasan molekuler untuk penyakit autoimun. Tim ini membangun salah satu sistem paling elegan dalam tantangan tersebut.

Tumpukan mereka • Tambalan yang diekstraksi dari slide histologi • Vision Transformer (ViT) untuk penyematan 1024-d • Perhatian multi-kepala untuk memprediksi 200 gen variabel teratas • Encoder-decoder variasional merekonstruksi semua 2.000 ekspresi gen Dilatih pada data scRNA-seq Crunch yang dinormalisasi.

Arsitektur Gambar → Menyematkan → Sinyal → Profil Sistem ini memetakan input ke output dengan memodelkan biologi yang mendasarinya. Setiap lapisan mengekstrak jenis informasi yang berbeda: visual, statistik, dan biologis. Hasil akhirnya akurat, dapat ditafsirkan, dan didasarkan pada struktur data.

Dampaknya Sistem semacam ini menyusutkan biaya, mempercepat diagnosis, dan menjembatani pencitraan dengan omics. terutama berharga pada penyakit di mana aktivitas kekebalan bersembunyi di bawah permukaan. Langkah maju untuk patologi komputasi. Dan untuk pasien.

Tim • Dr. Sukrit Gupta @YoSukrit • Amit Kumar • Maninder Kaur • Dr. Michele Ceccarelli @mceccarelli • Dr. Raghvendra Mall @MallRaghvendra Baca tulisan lengkap mereka di sini: