两篇新研究论文Path2ST和PaSTel介绍了将组织学图像翻译成空间转录组学数据的先进方法。Path2ST利用分层方法，将跨模态翻译建立在细胞和组织结构的基础上，以生成准确的基因表达谱。PaSTel通过整合多尺度生物先验（包括TF-IDF基因选择、KEGG通路和空间聚类）来增强这一点，从而为空间转录组学创建更具信息性和可转移性的表示。 AI
影响 这些新方法通过实现对组织结构内基因表达进行更具成本效益和更详细的分析，有可能加速生物学研究。
排序理由 两篇在arXiv上发表的学术论文，介绍了空间转录组学的新方法。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2608.14710v1 Announce Type: cross Abstract: Predicting spatial gene expression from hematoxylin and eosin (H\&E)-stained images offers a cost-effective alternative to spatial transcriptomics (ST). However, existing methods treat H\&E images as generic visual inputs …
arXiv:2608.14924v1 Announce Type: cross Abstract: Spatial transcriptomics (ST) links tissue morphology with molecular programs, motivating multimodal pretraining methods that align histology images with gene expression. However, existing approaches suffer from two key limitations…