研究人员开发了一个名为RankByGene的新框架，以改善空间转录组学（ST）数据与组织病理学图像之间的对齐。该方法使用一种新颖的基于排序的对齐损失来保留跨模态的相对相似性，解决了空间畸变和模态特异性变异等挑战。该框架还结合了具有教师-学生网络的自监督知识蒸馏，以提高对齐稳定性，尤其是在处理嘈杂的基因表达数据时。在七个数据集上的实验表明，RankByGene在对齐和预测任务（包括基因表达预测、切片级分类和生存分析）方面优于现有方法。 AI
影响 通过改善跨模态对齐，增强了生物数据分析能力，从而提高了基因表达预测和生存分析的准确性。
排序理由 这是一篇研究论文，描述了一种新颖的生物数据模态对齐方法。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →