PulseAugur
实时 19:22:57
English(EN) MoLF: Mixture-of-Latent-Flow for Pan-Cancer Spatial Gene Expression Prediction from Histology

MoLF模型从组织学图像预测全癌种基因表达

研究人员开发了MoLF,一种新颖的生成模型,用于从组织学图像预测全癌种空间基因表达。该模型利用条件流匹配目标和专家混合架构来有效处理不同癌症类型的异质性。MoLF在全癌种基准测试中取得了最先进的结果,并且对跨物种数据表现出零样本泛化能力,其性能优于现有的专业模型和基础模型。 AI

影响 引入了一种新的组织基因组学分析模型,有望通过实现跨不同癌症类型的更具可扩展性和泛化性的分析来推动癌症研究。

排序理由 这是一篇详细介绍新模型及其在基准测试中性能的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

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

MoLF模型从组织学图像预测全癌种基因表达

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Susu Hu, Stefanie Speidel ·

    MoLF: Mixture-of-Latent-Flow for Pan-Cancer Spatial Gene Expression Prediction from Histology

    arXiv:2602.02282v2 Announce Type: replace Abstract: Inferring spatial transcriptomics (ST) from histology enables scalable histogenomic profiling, yet current methods are largely restricted to single-tissue models. This fragmentation fails to leverage biological principles shared…