PulseAugur
实时 04:41:20

新方法可从 H&E 切片预测分子数据,绕过 RNA 测序

研究人员开发了一种新颖的方法,无需昂贵的 RNA 测序即可从组织病理学图像(特别是 H&E 染色切片)中预测分子信息。通过在组织病理学和 RNA-Seq 的冻结基础模型上训练一个轻量级对齐模块,该系统可以执行开放词汇分子提示。该方法在多癌队列中实现了 25 倍的检索准确率提升,并通过准确预测鳞状细胞癌评分和反映非小细胞肺癌的 PD-L1 表达水平,展示了临床效用。 AI

影响 能够从易于获得的组织学图像中进行分子分析,有可能减少对昂贵测序的依赖并加速研究。

排序理由 详细介绍新方法论和基准测试结果的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

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

新方法可从 H&E 切片预测分子数据,绕过 RNA 测序

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Dominik Winter, Dominik Vonficht, Lo\"ic Le Bescond, Christian Gebbe, Marco Rosati, Richard J. Chen, Markus Schick, Ross Stewart, Nicolas Brieu ·

    用于基于组织病理学的分子预测的数据高效多模态对齐

    arXiv:2606.29949v1 Announce Type: cross Abstract: H&E-stained whole-slide images offer cohort-scale availability and rich spatial context but lack molecular specificity, whereas bulk RNA-seq provides transcriptome-wide resolution at high cost with limited archival availabilit…