Prompting Beyond Pairs: Decoupled Semantic Supervision for Knowledge-Guided Multiplex Virtual Staining

ملخص تقني: التوجيه بما يتجاوز الأزواج: الإشراف الدلالي المنفصل للصبغ الافتراضي متعدد الأنماط الموجه معرفيًا

بيان المشكلة
تواجه عملية الصبغ الافتراضي التقليدية، التي تتنبأ بالفلورة من صور المجال الساطع (brightfield) خالية من العلامات، عائقًا حرجًا حاليًا: فهي تعتمد بشكل أساسي على أهداف فلورية متزاوجة بدقة، ومحاذية على مستوى البكسل، ومتعددة الأنماط للإشراف. هذا الاعتماد يخلق ثلاثة قيود رئيسية:

1. القابلية للتوسع والمرونة: يتطلب توليد هياكل تحت خلوية متنوعة (مثل الأكتين، والميتوكوندريا، والنواة) بيانات تدريب متزاوجة بشكل شامل حيث يتم التقاط جميع الأهداف في وقت واحد.
2. ندرة البيانات: غالبًا ما يكون الحصول على مثل هذه البيانات المتوافقة بدقة وعالية التعدد أمرًا غير ممكن بسبب القيود الفيزيائية مثل التداخل الطيفي والسمية الضوئية، مما يحد بشدة من أحجام التدريب القابلة للاستخدام.
3. انزياح النطاق (Domain Shift): إن الحاجة إلى مجموعات بيانات معيارية لكل سلالة خلوية أو تجربة جديدة تجعل هذا النهج غير عملي في البيئات البيولوجية التي تعاني من ندرة البيانات.

تعاني الطرق الحالية، مثل Cytoland وDiffStain، من صعوبة التغلب على هذه القيود لأنها لا تستطيع فصل التوجيه الهيكلي عن عملية ترجمة الصور دون وجود بيانات متزاوجة كاملة.

المنهجية
يقترح المؤلفون نموذجًا جديدًا لـ الإشراف الدلالي (semantic supervision) يعيد صياغة الصبغ الافتراضي كمهمة توليد مشروطة بالنص. بدلًا من الاعتماد على الإشراف على مستوى البكسل، يستخدم الإطار أوصافًا بيولوجية توجيهية لتوجيه تخليق الهياكل المستهدفة. يستخدم النهج استراتيجية تدريب ثلاثية المراحل مبنية على بنية Stable Diffusion Turbo (SD-Turbo) مع هندسة pix2pix-Turbo:

1. بنية توليدية مشروطة بالنص:

   • يتعلم النموذج التوزيع الشرطي $p(y|x, E(t))$، حيث $x$ هي صورة المجال الساطع المدخلة، و $y$ هو المخرج، و $t$ هو التوجيه النصي.
   • يتم إنشاء التوجيهات عن طريق معالجة الأوصاف التجريبية والصور التمثيلية عبر نموذج Gemini لاستخلاص أوصاف بيولوجية معيارية ($t_{std}$). يتم تعزيز هذه الأوصاف بمتغيرات دلالية وتضمينها عبر تقنية CLIP لحقن الإشراف الدلالي في شبكة U-Net عبر آلية الانتباه المتقاطع (cross-attention).
   • يسمح هذا التصميم لنموذج موحد واحد بتوليد أنماط صبغ متنوعة (مثل الميتوكوندريا، والنواة) من نفس المدخل بناءً على التوجيه فقط، مما يلغي الحاجة إلى أبعاد مخرجات ثابتة.

2. تعلم التمثيل ذاتي الإشراف (SSL):

   • للتخفيف من ندرة البيانات، يتم تدريب المشفر مسبقًا باستخدام مشفر تلقائي لتقليل الضجيج الكامن (l-DAE) على صور مجال ساطع وفيرة غير مصنفة.
   • والأهم من ذلك، يتم إزالة اتصالات التخطي (skip connections) خلال مرحلة التدريب المسبق هذه. يفرض هذا حاجز معلومات (information bottleneck) يمنع عملية المطابقة المتطابقة التافهة (identity mapping)، مما يجبر المشفر على تعلم تمثيلات دلالية مدمجة وعالية المستوى للهياكل البيولوجية اللازمة لإعادة البناء.

3. محاذاة التفضيل عبر تحسين التفضيل المباشر (DPO):

   • لضمان التوليد عالي الدقة تحت الإشراف الضعيف وقمع العيوب الهيكلية، يخضع النموذج لضبط دقيق باستخدام DPO.
   • باستخدام ثلاثيات تتكون من المدخل ($x$)، والحقيقة الأرضية عالية الدقة ($y_w$)، والمخرات دون المستوى المختارة يدويًا ($y_l$)، يقوم النموذج بتحسين مكافأة ضمنية تعتمد على متوسط الخطأ التربيعي (MSE) السالب.
   • يتم تنظيم الهدف باستخدام خسائر على مستوى البكسل ($L_{MSE}$) وخسائر إدراكية ($L_{LPIPS}$) للحفاظ على السلامة الهيكلية مع المحاذاة مع النموذج المرجعي.

المساهمات الرئيسية

1. نموذج الإشراف الدلالي: تقديم إطار عمل مشروط بالنص يستبدل الإشراف المتعدد الأنماط على مستوى البكسل بأوصاف بيولوجية توجيهية، مما يسمح بتخليق مكونات تحت خلوية متنوعة ومستقلة من بيانات القنوات المنفصلة.
2. بنية توليد عالية الدقة: دمج وحدة SSL المدركة للمورفولوجيا (الشكل) وآلية Dones المكيّفة بيولوجيًا. يتغلب هذا النهج الموحد على مقايضة المرونة والدقة المتأصلة في التدريب المنفصل، محققًا انخفاضًا بنسبة 43.3% في متوسط FID مقارنة بالنماذج المرجعية الخاضعة للإشراف القياسية.
3. المتانة والتعميم عبر النطاقات: يظهر النموذج مرونة ملحوظة في سيناريوهات نقص القنوات (مع الحفاظ على متوسط SSIM قدره 0.923 وFID قدره 34.69) وينجح في التعميم عبر أربع مجموعات بيانات مستقلة من السلالات الخلوية لإنتاج ستة هياكل تحت خلوية في آن واحد.

النتائج
أُجريت التقييمات على معيار JUMP Cell Painting العام وأربع مجموعات بيانات داخلية (3T3, HepaRG, HFF, HUVEC).

• مقايسات الأداء: تفوق النهج المقترح على النموذج المرجعي الخاضع للإشراف ونموذج DiffStain المنافس. في معيار JUMP، حقق متوسط PCC قدره 0.912 وانخفاضًا كبيرًا في متوسط FID.
• دراسات الاستئصال (Ablation Studies): أظهر التكامل التدريجي للتوجيهات البسيطة (SP)، والتوجيهات الوصفية (DP)، وSSL، وDPO تحسنًا مستمرًا في جودة الصورة عبر جميع المقايسات (MAE, PCC, SSIM, FID).
• المتانة تجاه ندرة البيانات: في التجارب التي تحاكي البيانات غير المكتملة (التدريب على مجموعات فرعية تفتقر إلى قنوات محددة)، أظهر النموذج انخفاضًا طفيفًا فقط في الأداء، متفوقًا باستمرار على النماذج المرجعية.
• القدرة على تعدد الأنماط: نجح الإطار في توليد ستة هياكل تحت خلوية متميزة (الأكتين، النواة، الميتوكوندريا، الشبكة الإندوبلازمية، RNA، AGP) عبر أربع سلالات خلوية مختلفة، متجاوزًا القيود الفيزيائية المعتادة في مجهر الفلورة الذي يحدد عادةً الحصول المتزامن على القنوات.

الأهمية
يزعم هذا البحث أن هذا العمل يؤسس لـ نموذج قابل للتوسع والتكيف للغاية لخلق الملفات التعريفية تحت الخلوية بدون كواشف. من خلال فصل تحديد الهيكل المستهدف عن عملية ترجمة الصور عبر توجيهات المعرفة بالمجال، يلغي هذا النهج الاعتماد الأساسي على البيانات المتزاوجة والمتعددة الأنماط بصرامة. وهذا يسمح بالتخليق المستقل وعالي الدقة لهياكل تحت خلوية متنوعة باستخدام بيانات أحادية القناة فقط، مما يعالج العائق الحرج المتمثل في ندرة البيانات والقيود الفيزيائية في سير عمل التصوير البيولوجي.