PulseAugur
中
实时 13:21:08
English(EN) DriftST: One-Step Generative Inference of Spatial Transcriptomics from H\&E Histology

DriftST框架从组织学图像推断基因表达

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员开发了DriftST，一个用于从H&E染色组织学图像推断空间分辨基因表达的新型框架。该方法通过实现高效的一步生成并捕捉基因间依赖性和基因重要性差异，解决了现有方法的局限性。DriftST利用了细胞漂移生成模型和STransformer架构，在不同组织和分辨率下，对于斑点级和细胞级数据均展现出最先进的性能。 AI

影响 该框架有望显著降低空间转录组学研究的成本并提高通量，从而加速生物学发现。

排序理由 该集群包含一篇详细介绍用于生物数据分析的新计算框架的研究论文。

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

DriftST框架从组织学图像推断基因表达

报道来源 [2]

  1. arXiv cs.CV TIER_1 English(EN) · Yuhang Yang, Yonggan Bu, Shengyuan Zhou, Yiming Luo, Kai Zhang ·

    DriftST: One-Step Generative Inference of Spatial Transcriptomics from H\&E Histology

    arXiv:2607.04740v1 Announce Type: new Abstract: Spatial Transcriptomics (ST) measures gene expression while preserving spatial context, but its high cost and low throughput leave public datasets small. Inferring expression directly from widely available Hematoxylin and Eosin (H&a…

  2. arXiv cs.CV TIER_1 English(EN) · Kai Zhang ·

    DriftST：从 H&E 组织学图像一步生成空间转录组

    Spatial Transcriptomics (ST) measures gene expression while preserving spatial context, but its high cost and low throughput leave public datasets small. Inferring expression directly from widely available Hematoxylin and Eosin (H&E) stained histology offers a cost-effective alte…

相关实体

相关话题