PulseAugur
实时 14:32:01
中文(ZH) ICML 2026|上智院、上交大、复旦联合提出FLAG扩散框架,还原空间转录组的基因-空间双重结构

AI框架FLAG可根据组织学图像预测空间基因表达

来自上海高等研究院、上海交通大学和复旦大学的研究人员开发了FLAG,一种从组织学图像预测空间基因表达的新型框架。该方法将任务从确定性回归重新定义为结构化分布建模,解决了高维数据中的“基因维度诅咒”问题。FLAG集成了空间图编码器和条件扩散Transformer,并与预训练的基因基础模型对齐,以捕捉基因-基因调控关系和基因-空间分布。 AI

影响 该框架为空间转录组学提供了一种新范式,有望通过更好地捕捉复杂的基因-空间关系来促进生物学发现。

排序理由 该集群描述了在会议上提出的新研究框架,详细介绍了新颖的方法和实验结果。[lever_c_demoted from research: ic=1 ai=1.0]

在 雷峰网 (Leiphone) 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

AI框架FLAG可根据组织学图像预测空间基因表达

报道来源 [1]

  1. 雷峰网 (Leiphone) TIER_1 中文(ZH) ·

    ICML 2026 | Shanghai AI Institute, Shanghai Jiao Tong University, Fudan University Jointly Propose FLAG Diffusion Framework, Restoring the Gene-Spatial Dual Structure of Spatial Transcriptomics

    <p><br /></p><p>原文作者:公众号“ScienceAi”</p><p>原文链接:<a href="https://mp.weixin.qq.com/s/lhrWc1-ABA4dZObLAuHMHQ" rel="nofollow" target="_blank">https://mp.weixin.qq.com/s/lhrWc1-ABA4dZObLAuHMHQ</a> </p><p>雷峰网转载</p><p>空间转录组学(Spatial Transcriptomics, ST)能在保留细胞空间位置的同时测量基因表达,对解析组织微环境与疾病微生态…