🤖 machine learning

FLAG: Foundation model representation with Latent diffusion Alignment via Graph for spatial gene expression prediction

本文介绍了 FLAG，这是一种基于扩散的框架，它利用空间图编码器和基因基础模型对齐来克服“基因维度灾难”，并通过保留关键的基因间及空间结构关系，从 H&E 图像中准确预测空间基因表达。

原作者： Qi Si, Penglei Wang, Yushuai Wu, Yifeng Jiao, Xuyang Liu, Xin Guo, Yuan Qi, Yuan Cheng

发布于 2026-05-19

📖 1 分钟阅读☕ 轻松阅读

原作者： Qi Si, Penglei Wang, Yushuai Wu, Yifeng Jiao, Xuyang Liu, Xin Guo, Yuan Qi, Yuan Cheng

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

以下是用通俗易懂的语言对FLAG论文的解释，并辅以类比使概念更加清晰。

宏观图景：从可见预测不可见

想象你拥有一张繁华城市的高清照片（一张组织学图像或 H&E 切片）。你可以看到建筑物、街道和整体布局。但你想了解每一栋房子里具体的氛围、对话和活动（即基因表达）。

目前，科学家有一种方法可以窥探少数几栋房子内部的情况（空间转录组学），但这既昂贵又缓慢。他们希望利用便宜且容易获取的城市照片，来预测每一栋房子里正在发生什么。

问题在于，当前的计算机模型将每一栋房子视为孤立的岛屿。它们猜测 A 房子的活动时，并不关心隔壁的 B 房子，也不关心 A 房子如何与 C 房子互动。这导致预测结果虽然在数学上可能“接近”，但在生物学上却杂乱无章——就像一座城市里每个人都在大喊随机词汇，彼此之间毫无逻辑关联。

FLAG是一个旨在解决这一问题的新人工智能框架。它不仅仅是猜测数字，而是试图理解房子之间的关系以及人们互动的规则。

FLAG 解决的三大核心问题

1. “孤岛”问题（忽视关系）

类比：想象试图通过观察一扇窗户来预测整个城市的天气。你错过了风向模式、云层在建筑物间的移动，以及整个城市气候如何协同运作。
论文观点：旧模型逐个查看基因。FLAG 将组织视为一个邻域图。它理解点 A 与点 B 相连，它们的基因表达应相互影响，就像邻居的生活相互影响一样。

2. “变量过多”问题（基因维度诅咒）

类比：想象试图拼凑一个拼图。如果你有 10 块碎片，很容易看出它们如何组合。但如果你突然有 800 块碎片，并试图在拼图剧烈晃动时，一次性弄清楚每一块碎片如何与其他每一块碎片连接，你的大脑（或计算机）会因不堪重负而崩溃。
论文观点：作者发现，当基因数量增加时，如果试图同时模拟基因与位点之间的连接，人工智能就会失败。他们称之为**“基因维度诅咒”**。数学变得过于复杂，导致模型崩溃。
解决方案：FLAG 没有试图一次性解决整个巨大的拼图，而是将其分解。它利用一张“地图”（空间图）来引导过程，这样人工智能就不必从头猜测连接关系。

3. “幻觉”问题（丧失生物学规则）

类比：如果你让一位创意作家描述一个他们从未见过的城市，他们可能会发明一个拥有飞行汽车和紫色树木的城市。这看起来很酷，但不是真实的。
论文观点：人工智能模型有时会编造出数学上正确但生物学上不可能存在的基因模式（例如，从未相互作用的基因突然开始齐声“呐喊”）。
解决方案：FLAG 使用**“基因基础模型”（GFM）**作为教师。这就像一本超级聪明的生物学教科书，已经阅读了数百万份基因研究。FLAG 会对照这本教科书检查其工作，确保它编造的关系在真实生物学中确实存在。

FLAG 的工作原理（食谱）

论文将 FLAG 描述为一个由三部分组成的大厨房：

地图绘制者（空间图编码器）：
首先，FLAG 观察组织照片并绘制邻域地图。它在物理距离相近或外观相似的位点之间画线。这张地图充当“条件信号”——它告诉人工智能：“嘿，这些位点是邻居，所以它们的基因应该是相关的。”
创意艺术家（潜在扩散）：
这是实际生成基因数据的部分。它从一个“嘈杂”的猜测开始（就像电视上的雪花噪点），然后慢慢清理，直到显现出清晰的图像。因为它拥有第 1 步中的“地图”，它知道要保持邻居故事的连贯性。
编辑（基础模型对齐）：
当艺术家工作时，编辑（GFM）在旁监督。如果艺术家开始编造两个基因之间奇怪的关系，编辑会说：“不，这不符合我们从数百万其他细胞中学到的规则。”这确保了最终结果在生物学上是可信的。

他们如何衡量成功

作者不仅检查数字是否接近，还检查“故事”是否正确。

旧方法（点对点准确性）：人工智能是否猜对了篮子里苹果的确切数量？（通过 PCC/MSE 衡量）。
新方法（结构保真度）：
- 基因结构相关性（GSC）：通常协同工作的基因在预测中是否仍然协同工作？（“邻居”是否仍在相互对话？）
- 空间结构相关性（SSC）：基因表达的模式看起来像真实的组织地图，还是像模糊的涂抹？（“社区”感觉真实吗？）

结果

论文声称 FLAG 之所以获胜，是因为：

它在猜测确切数字方面与最好的旧模型一样出色。
关键在于，它在保留生物学结构方面要好得多。它比以前的方法更准确地捕捉了组织的“氛围”和基因之间的关系。
它解决了“基因维度诅咒”，意味着它可以处理庞大复杂的基因列表而不会崩溃，这是以前的基于图的方法无法做到的。

简而言之，FLAG是一种让计算机从简单照片中预测不可见基因世界的新方法，确保预测既尊重组织的布局，又遵循复杂的生物学规则。

技术摘要：FLAG

问题陈述

空间转录组学（ST）能够在组织结构的背景下分析基因表达，但 ST 测序仍然昂贵且通量较低。相反，常规的苏木精 - 伊红（H&E）全切片图像（WSI）在临床工作流中无处不在。虽然现有方法试图从 WSI 预测空间基因表达，但它们主要将该任务视为一系列孤立的逐点回归问题的集合。这些方法针对每个基因优化均方误差（MSE）或皮尔逊相关系数（PCC）等指标，从而忽视了关键的生物学结构：

基因 - 基因关系：忽略了调控程序和共表达网络。
基因 - 空间关系：空间分布和组织结构（例如空间自相关）经常丢失，导致预测结果过度平滑，缺乏连贯的内部结构。

此外，作者识别出一种“基因维度诅咒”：虽然通过图扩散对基因表达和空间相互作用进行联合建模适用于小规模基因集，但随着基因维度的增加，其优化稳定性迅速恶化，导致高维设置下的训练崩溃。

方法论：FLAG 框架

为了解决这些挑战，作者提出了 FLAG（基于图的潜在扩散对齐的基础模型表示），这是一个基于扩散的框架，将任务重新定义为结构化分布建模，而非确定性回归。该架构由三个核心组件组成：

1. 空间图编码器（解决空间结构）

FLAG 不进行联合节点 - 边扩散（后者受困于基因维度诅咒），而是将组织拓扑视为固定的确定性先验。

图构建：构建一个图 $G=(V, E)$ ，其中节点代表空间点，边编码源自 WSI 特征的空间邻近性和组织学相似性。
编码：空间图编码器聚合来自这些固定边和节点特征（H&E 图像块）的邻域信息，为每个点生成紧凑的空间上下文嵌入（ $H_{spatial}$ ）。
条件化：该嵌入作为基因生成过程的条件信号，有效地将问题从联合扩散转化为条件生成。

2. 基因级潜在扩散（解决基因 - 基因关系）

核心生成引擎是在基因空间中运行的扩散 Transformer（DiT）。

过程：模型基于空间上下文 $H_{spatial}$ 对噪声基因表达矩阵 $X_t$ 进行去噪。
机制：与标准回归不同，扩散过程学习近似基因表达的高维概率流形，保留逐点目标所忽略的内在方差和联合相关性。

3. 基因基础模型（GFM）对齐（解决生物学保真度）

为了确保生成的基因表达尊重已知的生物学调控结构，特别是考虑到 ST 数据在从头推断这些关系方面的统计能力有限：

对齐：扩散 Transformer 的隐藏状态与预训练基因基础模型（GFM，如 Geneformer 或 scGPT）的嵌入进行对齐。
损失函数：引入对齐损失（ $L_{align}$ ）以约束扩散模型的中间表示与 GFM 流形相匹配，从而在不要求 GFM 作为推理时输入的情况下强制基因 - 基因保真度。

4. 评估指标

作者引入了两种新颖的结构指标，以评估超越逐点准确性的生物学有效性：

基因结构相关性（GSC）：通过比较预测表达与真实表达的相关性矩阵，衡量基因 - 基因调控网络的保留程度。
空间结构相关性（SSC）：通过比较预测基因与真实基因的莫兰 I（空间自相关）统计量，衡量空间组织的保留程度。

主要贡献

基因维度诅咒分析：本文系统地描述了高维空间中联合节点 - 边扩散的失效。它提供了理论解释：随着基因维度（ $G$ ）的增加，节点状态与边相关性之间的一致性流形变得越来越薄，要求网络近似高度弯曲的得分场，这超出了其容量，导致优化崩溃。
FLAG 框架：一种解耦空间建模和基因建模的新颖架构。它使用静态图编码器处理空间上下文，使用 GFM 对齐的扩散 Transformer 进行基因生成，成功克服了联合扩散的可扩展性瓶颈。
结构评估协议：引入 GSC 和 SSC 指标为空间转录组学的生成模型提供了更有意义的评估，证明了高逐点准确性并不能保证生物学结构保真度。

实验结果

实验在 HEST-1k 基准的三个数据集上进行：HER2ST、KIDNEY 和 PRAD。

逐点准确性：FLAG 在传统指标（PCC 和 MSE）上实现了极具竞争力的性能，通常优于或匹配最先进的判别模型（如 HisToGene、TRIPLEX）和生成基线（Stem、STFlow）。
结构保真度：FLAG 在结构指标上表现出显著改进：
- GSC：FLAG 始终获得最高的 GSC 分数，表明其在恢复基因调控网络和共表达流形方面具有优越性。
- SSC：FLAG 在 SSC 上优于所有基线，证明其保留了组织真实的异质性和自相关性，避免了回归模型中的过度平滑以及其他一些生成模型中的“过度相关”伪影。
基因维度可扩展性：在改变基因面板大小（ $G$ 从 10 到 800）的实验中，随着 $G$ 的增加，联合节点 - 边扩散迅速崩溃。仅节点扩散平滑但显著地退化。FLAG 即使在 $G=800$ 时仍保持高保真度，证实了其扩展到全面基因面板的能力。
下游效用：在差异表达基因（DEG）识别和空间域聚类等下游任务中，与基线相比，FLAG 显示出与真实标记更高的重叠以及更好的聚类性能（ARI/NMI），验证了结构保真度转化为生物学效用。

意义与主张

本文声称，FLAG 弥合了精确基因表达估计与生物学一致分布建模之间的差距。通过协调预训练基础模型的语义指导与空间感知图条件化，FLAG 能够在新的保真度水平上恢复复杂的空间结构。

作者将 FLAG 定位为一种可扩展、生物学一致的空间转录组生成原则框架。他们主张，将该任务视为结构化分布建模而非孤立的回归，对于通路分析和微环境表征等下游应用至关重要。这项工作表明，利用基础模型和扩散过程对于克服空间转录组学固有的数据稀缺和高维度至关重要。

本文最后指出了局限性和未来方向，包括由于扩散的迭代性质而需要推理加速、扩展到 3D 体积依赖关系，以及零样本跨组织泛化的挑战。