Ingen sekvensering krävs från histologi till transkriptomik! Ett av de vinnande teamen vid den autoimmuna sjukdomen ML Crunch 2 har i samarbete med @Schmidt_Center byggt en pipeline som förutsäger 2 000 immungenuttryck direkt från vävnadsbilder. Låt oss bryta ner 🧵 det

Problemet Kan vi härleda genuttryck från enbart vävnadsglas? Det är den typen av signalkomprimering som AI nu låser upp och förvandlar färgade bilder till molekylära insikter för autoimmuna sjukdomar. Detta team byggde ett av de mest eleganta systemen i utmaningen.

Deras stack • Plåster extraherade från histologiglas • Vision Transformer (ViT) för 1024-d inbäddning • Flerhövdad uppmärksamhet för att förutsäga 200 toppvariabla gener • Variationell kodare-avkodare som rekonstruerar alla 2 000 genuttryck Tränade på Crunchs normaliserade scRNA-seq-data.

Arkitekturen Bild → inbäddning → signal → profil Detta system mappar indata till utdata genom att modellera den underliggande biologin. Varje lager extraherar en annan typ av information: visuell, statistisk och biologisk. Slutresultatet är korrekt, tolkningsbart och grundat i datastrukturen.

Resultatet Den här typen av system minskar kostnaderna, påskyndar diagnostiseringen och överbryggar bilddiagnostiken med omics. Särskilt värdefullt vid sjukdomar där immunaktiviteten gömmer sig under ytan. Ett steg framåt för beräkningspatologi. Och för patienterna.

Teamet • Dr. Sukrit Gupta @YoSukrit • Amit Kumar • Maninder Kaur • Dr. Michele Ceccarelli @mceccarelli • Dr. Raghvendra köpcentrum @MallRaghvendra Läs hela deras artikel här: