Không cần sắp xếp từ mô học đến phiên mã! Một trong những đội chiến thắng tại Autoimmune Disease ML Crunch 2 hợp tác với @Schmidt_Center đã xây dựng một quy trình dự đoán 2.000 biểu hiện gen miễn dịch trực tiếp từ hình ảnh mô. Hãy cùng phân tích nó 🧵

Vấn đề Chúng ta có thể suy luận sự biểu hiện gen chỉ từ các lát mô không? Đó là loại nén tín hiệu mà AI hiện đang mở khóa, biến những hình ảnh nhuộm thành những hiểu biết phân tử cho bệnh tự miễn. Nhóm này đã xây dựng một trong những hệ thống tinh tế nhất trong thử thách.

Ngăn xếp của họ • Các mảnh được trích xuất từ các lát histology • Vision Transformer (ViT) cho các nhúng 1024-d • Sự chú ý đa đầu để dự đoán 200 gen biến đổi hàng đầu • Bộ mã hóa-giải mã biến thể tái tạo tất cả 2.000 biểu hiện gen Được đào tạo trên dữ liệu scRNA-seq chuẩn hóa của Crunch.

Kiến trúc Hình ảnh → Nhúng → Tín hiệu → Hồ sơ Hệ thống này ánh xạ đầu vào thành đầu ra bằng cách mô hình hóa sinh học cơ bản. Mỗi lớp trích xuất một loại thông tin khác nhau: hình ảnh, thống kê và sinh học. Kết quả cuối cùng là chính xác, có thể giải thích và dựa trên cấu trúc của dữ liệu.

Tác động Hệ thống này giảm chi phí, tăng tốc độ chẩn đoán và kết nối hình ảnh với omics. Đặc biệt có giá trị trong các bệnh mà hoạt động miễn dịch ẩn giấu dưới bề mặt. Một bước tiến cho bệnh lý học tính toán. Và cho bệnh nhân.

Đội ngũ • Dr. Sukrit Gupta @YoSukrit • Amit Kumar • Maninder Kaur • Dr. Michele Ceccarelli @mceccarelli • Dr. Raghvendra Mall @MallRaghvendra Đọc bài viết đầy đủ của họ tại đây: