1642-STimage：基于空间转录组的组织病理学预测框架

这项研究介绍了一种名为STimage的深度学习概率框架，旨在通过常规的H&E染色组织切片图像直接预测基因表达和细胞类型。该模型通过集成基础模型与负二项分布估计，显著提升了预测的鲁棒性，并能有效量化数据和模型的不确定性。利用LIME归因分析，研究者实现了单细胞分辨率下的可解释性，使临床医生能够理解模型关注的形态学特征。实验证明，STimage在乳腺癌、皮肤癌等多种数据集上表现优于现有工具，并具有良好的跨平台迁移能力。该技术通过挖掘病理切片中的深层分子信息，为数字化病理学和精准医疗提供了高效、低成本的辅助手段。

References:

• Tan X, Mulay O, Xie J, et al. Robust and interpretable prediction of gene markers and cell types from spatial transcriptomics data[J]. Nature Communications, 2026, 17(1): 1781.