研究人员开发了M$^3$-Gen，一个旨在利用生成对抗网络生成基因表达谱的新框架。该模型以组织病理学图像和临床元数据为条件进行生成过程，通过对比学习学习统一的潜在表示。M$^3$-Gen在TCGA数据集上得到了验证，能够生成生物学上连贯的基因表达数据，并通过识别哪些图像区域影响了特定的基因表达输出来提供内在的可解释性。 AI
影响 这项研究通过生成合成基因表达数据，有可能实现更具成本效益和隐私保护的多模态生物医学研究。
排序理由 该集群包含一篇详细介绍新AI模型及其方法的学术论文。
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
arXiv:2607.21343v1 Announce Type: cross Abstract: Integrating heterogeneous biomedical data, including clinical metadata, histopathology images, and molecular profiles, is crucial for comprehensive disease understanding. However, gene expression data acquisition remains constrain…