從組織學到轉錄組學不需要排序！ 在與 @Schmidt_Center 合作的自體免疫疾病機器學習挑戰賽 2 中，獲勝的團隊之一建立了一個管道，能夠直接從組織影像預測 2,000 種免疫基因表達。 讓我們來詳細說明 🧵

問題 我們能否僅從組織切片推斷基因表達？ 這正是AI現在正在解鎖的信號壓縮，將染色圖像轉化為自體免疫疾病的分子見解。 這個團隊建立了挑戰中最優雅的系統之一。

他們的堆疊 • 從組織學切片中提取的補丁 • 用於1024維嵌入的視覺變壓器（ViT） • 多頭注意力預測200個頂級變異基因 • 變分編碼器-解碼器重建所有2000個基因表達 在Crunch的標準化scRNA-seq數據上進行訓練。

架構 圖像 → 嵌入 → 信號 → 檔案 這個系統通過建模基礎生物學將輸入映射到輸出。 每一層提取不同類型的信息：視覺、統計和生物學。 最終結果是準確的、可解釋的，並且基於數據的結構。

影響 這種系統降低了成本，加快了診斷，並將影像學與組學相結合。特別是在免疫活動隱藏在表面之下的疾病中尤為重要。 這是計算病理學的一大進步。對於患者來說也是如此。

團隊 • Dr. Sukrit Gupta @YoSukrit • Amit Kumar • Maninder Kaur • Dr. Michele Ceccarelli @mceccarelli • Dr. Raghvendra Mall @MallRaghvendra 在這裡閱讀他們的完整文章：