Nenhum sequenciamento necessário desde a histologia até a transcriptômica! Uma das equipes vencedoras do Autoimmune Disease ML Crunch 2, em parceria com @Schmidt_Center, construiu um pipeline que prevê 2.000 expressões de genes imunológicos diretamente a partir de imagens de tecidos. Vamos analisar isso 🧵

O Problema Podemos inferir a expressão genética apenas a partir de lâminas de tecido? Esse é o tipo de compressão de sinal que a IA está agora desbloqueando, transformando imagens coradas em insights moleculares para doenças autoimunes. Esta equipe construiu um dos sistemas mais elegantes do desafio.

A sua Stack • Patches extraídos de lâminas de histologia • Vision Transformer (ViT) para embeddings de 1024 dimensões • Atenção multi-cabeça para prever 200 genes com maior variabilidade • Codificador-decodificador variacional reconstruindo todas as 2.000 expressões genéticas Treinado com os dados de scRNA-seq normalizados da Crunch.

A Arquitetura Imagem → Embedding → Sinal → Perfil Este sistema mapeia entradas a saídas modelando a biologia subjacente. Cada camada extrai um tipo diferente de informação: visual, estatística e biológica. O resultado final é preciso, interpretável e fundamentado na estrutura dos dados.

O Impacto Este tipo de sistema reduz custos, acelera o diagnóstico e liga a imagiologia com as ómicas. especialmente valioso em doenças onde a atividade imune se esconde sob a superfície. Um passo em frente para a patologia computacional. E para os pacientes.

A Equipa • Dr. Sukrit Gupta @YoSukrit • Amit Kumar • Maninder Kaur • Dr. Michele Ceccarelli @mceccarelli • Dr. Raghvendra Mall @MallRaghvendra Leia o artigo completo aqui: