Nessuna sequenza richiesta dalla istologia alla trascrittomica! Uno dei team vincitori dell'Autoimmune Disease ML Crunch 2 in collaborazione con @Schmidt_Center ha costruito un pipeline che prevede 2.000 espressioni geniche immunitarie direttamente dalle immagini dei tessuti. Analizziamo 🧵

Il Problema Possiamo dedurre l'espressione genica solo dalle sezioni di tessuto? Questo è il tipo di compressione del segnale che l'IA sta ora sbloccando, trasformando immagini colorate in intuizioni molecolari per le malattie autoimmuni. Questo team ha costruito uno dei sistemi più eleganti della sfida.

Il loro Stack • Patches estratti da vetrini di istologia • Vision Transformer (ViT) per embedding a 1024 dimensioni • Attenzione multi-testa per prevedere 200 geni variabili principali • Codificatore-decodificatore variazionale che ricostruisce tutte le 2.000 espressioni geniche Addestrato sui dati scRNA-seq normalizzati di Crunch.

L'Architettura Immagine → Embedding → Segnale → Profilo Questo sistema mappa gli input agli output modellando la biologia sottostante. Ogni strato estrae un diverso tipo di informazione: visiva, statistica e biologica. Il risultato finale è accurato, interpretabile e radicato nella struttura dei dati.

L'Impatto Questo tipo di sistema riduce i costi, accelera la diagnosi e collega l'imaging con le omiche. particolarmente prezioso nelle malattie in cui l'attività immunitaria si nasconde sotto la superficie. Un passo avanti per la patologia computazionale. E per i pazienti.

Il Team • Dr. Sukrit Gupta @YoSukrit • Amit Kumar • Maninder Kaur • Dr. Michele Ceccarelli @mceccarelli • Dr. Raghvendra Mall @MallRaghvendra Leggi il loro articolo completo qui: