Pretrained gene representations transfer mean expression more broadly than spatial patterns in virtual spatial transcriptomics
本研究表明，在虚拟空间转录组学中，预训练基因表示主要增强了对基因在不同组织间平均表达量的预测，而非其空间变异性的预测，这揭示了跨基因泛化更多是由广泛的表达转移而非特定空间模式的恢复所驱动。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。 阅读完整免责声明
想象一座城市，其中的每一栋建筑都藏着一座秘密图书馆，而在每座图书馆里，成千上万本书都翻开在不同的页面上。在人体内，这些建筑就是细胞，而书就是基因。几十年来，科学家们已经能够读取单个细胞中哪些书被翻开了，但他们一直难以观察到这些细胞位于器官复杂组织中的什么位置。为了获得基因活动的完整地图，研究人员传统上需要取出一块物理组织切片，并对其进行昂贵且耗时的测试。这限制了他们一次能研究的身体范围。一种被称为“虚拟空间转录组学”的新方法试图通过使用人工智能来解决这个问题。计算机不再对每个基因都进行新的测试，而是观察一张标准的组织照片，并预测哪些基因是活跃的以及它们在哪里。研究人员希望，通过教计算机识别组织图像中的模式，它可以猜出它从未见过的基因的位置，从而有效地将地图扩展到新的区域，而无需进行新的实验室工作。
研究人员提出的核心问题是：这些计算机模型是真的学习了跨组织的基因活动中复杂且不断变化的模式，还是仅仅变得非常擅长猜测某种基因存在的平均量。当一个模型预测基因的位置时，它实际上是在同时做两件事：估算该基因在组织中的总体水平，并确定该水平如何从一个点变化到另一个点。一个模型可以通过仅仅在每个位置都分配相同的平均值来表现得看似成功，这看起来是对总量的良好预测，但却无法捕捉到基因实际集中的精细细节。为了寻找真相，研究人员构建了一个能够分离这两种能力的系统。他们测试了模型在面对从未见过的基因时的表现，询问模型是否仍能预测这些新基因的平均水平及其特定的空间模式。
研究人员在四组不同的组织样本上测试了他们的想法，其中包括大脑的三个不同区域和一种乳腺癌。他们在大量的基因集上训练模型，然后挑战它们去预测数百个对系统来说完全陌生的基因的行为。他们使用了两种不同类型的预训练基因表示，这些表示本质上是源自大量生物数据的、关于基因身份的数字摘要。其中一种摘要来自基因周围的 DNA 序列，而另一种则来自基因在单细胞中的行为方式。当模型尝试预测这些新基因时，结果显示出明显的性能分化。模型在预测这些未见基因的平均表达水平方面表现得非常出色。事实上，当模型的整体准确度提高时，超过 90% 的提升仅仅来自于正确预测了基因的平均量。
然而，恢复特定空间模式——即基因活动的“位置”——的能力要受限得多。研究人员发现，模型仅在那些在训练数据中已经表现出高变异性的基因上，才能提高其空间预测能力。对于大多数基因，计算机可以告诉你该基因平均存在的量，但它无法可靠地告诉你该基因在组织中的哪个位置是集中的。为了证明这些模型并不是通过利用组织图像来寻找这些模式，研究人员进行了第二次测试。他们构建了一个简化版的模型，该模型只观察基因的数字摘要，而完全忽略了组织照片。令人惊讶的是，这个不含图像的模型保留了全模型在预测平均基因水平方面所取得的几乎所有的提升。这表明，预训练的基因摘要携带了有关基因平均水平的信息，但组织图像并没有为这些未见目标提供关于基因特定位置的新信息。
研究还揭示了基因表示的类型对空间模式的影响。虽然两种类型的摘要都有助于预测平均水平，但它们在哪些特定基因能提高空间准确度方面存在差异。一些基因受益于一种类型的摘要，而另一些基因则受益于另一种。这表明，将知识从已知基因转移到新基因的能力并非一种单一、统一的技能。相反，它是两种截然不同的能力的结合：一种是估算基因存在多少量的广泛能力，另一种是绘制其精确位置的、具有选择性的、困难的能力。研究人员得出结论，虽然这些虚拟工具对于扩大我们可以研究的基因列表非常强大，但它们尚未完全捕捉到每个基因在组织中复杂的空间架构。这些模型在预测平均水平方面的成功是向前迈出的重要一步，但准确重建新基因详细空间模式的挑战仍然是一个正在进行中的课题。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。