Nie jest wymagane sekwencjonowanie od histologii do transkryptomiki! Jedna z zwycięskich drużyn na Autoimmune Disease ML Crunch 2 we współpracy z @Schmidt_Center zbudowała pipeline, który przewiduje 2,000 ekspresji genów odpornościowych bezpośrednio z obrazów tkankowych. Rozłóżmy to na czynniki pierwsze 🧵

Problem Czy możemy wywnioskować ekspresję genów tylko na podstawie preparatów tkankowych? To jest rodzaj kompresji sygnału, który AI teraz odblokowuje, przekształcając barwione obrazy w molekularne spostrzeżenia dotyczące chorób autoimmunologicznych. Ten zespół zbudował jeden z najbardziej eleganckich systemów w tym wyzwaniu.

Ich stos • Łaty wyodrębnione z preparatów histologicznych • Vision Transformer (ViT) dla 1024-d osadzeń • Wielogłowa uwaga do przewidywania 200 najważniejszych genów zmiennych • Wariacyjny kodera-dekoder rekonstruujący wszystkie 2,000 ekspresji genów Wytrenowane na znormalizowanych danych scRNA-seq Crunch.

Architektura Obraz → Osadzenie → Sygnał → Profil Ten system mapuje wejścia na wyjścia, modelując podstawową biologię. Każda warstwa wydobywa inny rodzaj informacji: wizualnej, statystycznej i biologicznej. Ostateczny wynik jest dokładny, interpretowalny i osadzony w strukturze danych.

Wpływ Tego rodzaju system obniża koszty, przyspiesza diagnozę i łączy obrazowanie z omikami. szczególnie cenny w chorobach, gdzie aktywność immunologiczna ukrywa się pod powierzchnią. Krok naprzód dla patologii obliczeniowej. I dla pacjentów.

Zespół • Dr Sukrit Gupta @YoSukrit • Amit Kumar • Maninder Kaur • Dr Michele Ceccarelli @mceccarelli • Dr Raghvendra Mall @MallRaghvendra Przeczytaj ich pełny artykuł tutaj: