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

技术摘要：超越配对的提示词技术：用于知识引导的多重虚拟染色中的解耦语义监督

问题陈述
传统的虚拟染色技术旨在从无标记的明场图像中预测荧光，目前面临着一个关键瓶颈：它在根本上依赖于严格配对、像素对齐且多重化的荧光目标进行监督。这种依赖性造成了三个主要限制：

1. 可扩展性与灵活性： 生成多样化的亚细胞结构（如肌动蛋白、线粒体、细胞核）需要详尽的配对训练数据，其中所有目标必须同时被捕获。
2. 数据稀缺性： 由于光谱重叠和光毒性等物理约束，获取此类严格对齐的高通量多重化数据往往难以实现，这严重限制了可用训练数据的规模。
3. 领域偏移： 为每种新的细胞系或实验都建立标准化数据集的需求，使得该方法在数据匮乏的生物学场景中显得不切实际。

现有的方法（如 Cytoland 和 DiffStain）难以克服这些约束，因为它们无法在没有完整配对数据的情况下，将结构引导与图像转换过程解耦。

方法论
作者提出了一种全新的语义监督范式，将虚拟染色重新定义为一个文本条件的生成任务。该框架不再依赖像素级监督，而是利用生物学描述性提示词来引导目标结构的合成。该方法采用了一种基于 Stable Diffusion Turbo (SD-Turbo) 主干网络及 pix2pix-Turbo 架构的三阶段训练策略：

1. 文本条件生成架构：

   • 模型学习条件分布 $p(y|x, E(t))$，其中 $x$ 是输入明场图像，$y$ 是输出，$t$ 是文本提示词。
   • 提示词通过处理实验描述符和代表性图像，利用 Gemini 进行蒸馏，从而获得标准化的生物学描述 ($t_{std}$)。这些描述被扩充为语义变体，并通过 CLIP 进行嵌入，通过交叉注意力机制将语义监督注入 U-Net。
   • 这种设计允许单个统一模型根据提示词，从相同的输入中生成多样化的染色模态（如线粒体、细胞核），消除了对固定输出维度的依赖。

2. 自监督表示学习 (SSL)：

   • 为了缓解数据稀缺问题，编码器在大量的无标签明场图像上使用潜在去噪自编码器 (l-DAE) 进行预训练。
   • 至关重要的是，在预训练阶段移除了跳跃连接 (skip connections)。这施加了一个信息瓶颈，防止了平凡的恒等映射，迫使编码器学习用于重建生物结构的紧凑、高层语义表示。

3. 通过直接偏好优化 (DPO) 进行偏好对齐：

   • 为了确保在弱监督下的高保真生成并抑制结构伪影，模型经过 DPO 微调。
   • 利用输入三元组 ($x$)、高保真真值 ($y_w$) 以及人工策划的次优输出 ($y_l$)，模型基于负均方误差 (MSE) 优化隐式奖励。
   • 该目标函数通过像素级损失 ($L_{MSE}$) 和感知损失 ($L_{LPIPS}$) 进行正则化，以在保持结构完整性的同时与参考模型保持一致。

核心贡献

1. 语义监督范式： 引入了一种文本条件框架，用生物学描述性提示词取代了多重化像素监督，实现了从解耦通道数据中灵活、独立地合成多样化亚细胞组分。
2. 高保真合成架构： 集成了形态感知 SSL 模块和生物医学适配的 DPO 机制。这种统一的方法克服了解耦训练中固有的灵活性与保真度之间的权衡，实现了比标准监督基准模型降低 43.3% 的平均 FID。
3. 鲁棒性与跨领域泛化能力： 该模型在通道缺失场景下表现出卓越的韧性（保持平均 SSIM 为 0.923 且 FID 为 34.69），并成功跨越四个独立的内部细胞系数据集，同时模拟出六种亚细胞结构。

结果
评估是在公开的 JUMP Cell Painting 基准测试和四个内部数据集（3T3, HepaRG, HFF, HUVEC）上进行的。

• 性能指标： 所提方法优于监督基准模型和具有竞争力的 DiffStain 模型。在 JUMP 基准测试中，它实现了 0.912 的平均 PCC，并显著降低了平均 FID。
• 消融实验： 增量集成简单提示 (SP)、描述性提示 (DP)、SSL 和 DPO，在所有指标（MAE, PCC, SSIM, FID）上均显示出图像质量的逐步提升。
• 数据稀缺鲁棒性： 在模拟不完整数据（在缺失特定通道的子集上进行训练）的实验中，模型仅表现出轻微的性能下降，始终优于基准模型。
• 多重化能力： 该框架成功生成了六种不同的亚细胞结构（肌动蛋白、细胞核、线粒体、内质网、RNA、AGP），涵盖了四种不同的细胞系，克服了传统荧光显微镜通常限制同时采集通道数量的物理约束。

意义
本文声称，这项工作建立了一种高度可扩展且具有适应性的无试剂亚细胞剖析范式。通过利用领域知识提示词将目标结构规范与图像转换过程解耦，该方法消除了对严格配对、多重化荧光数据的根本依赖。这使得仅利用单通道数据即可实现多样化亚细胞结构的高保真独立合成，解决了生物成像工作流中数据稀缺和物理约束的关键瓶颈。