3D空间转录组不再逐点密采：稀疏取样加三路预测，HER2上相关系数达0.361
核心概要
三维空间转录组测序成本高，常规做法是按固定网格密集取样，在三维组织里容易重复测量、又漏掉信息集中的区域。STRATA把取样和预测放在同一个预算约束下联合优化：在融合H&E形态与单细胞先验的三维图上，用强化学习智能体挑选形态稀疏、转录组信息量高的位点，再由检索、回归与跨层插补三路预测器按位点自适应加权补全。在HER2、Breast、cSCC与私有Kidney队列上，STRATA的PCC最高、MSE最低；HER2上其PCC为0.361、MSE为0.356，正文所述最强基线数值与表格所列基线数值不一致，此处不引用该对比。
深度剖析
三维空间转录组可以在有限测序预算下只测一部分位点，再补全整块组织的基因表达图，而不必按固定网格逐点测序。 此前的采集依赖固定网格采样，在三维组织中造成冗余测量，同时生物信息集中的区域反而取样不足；现有预测器多为二维、单一范式。 在HER2、Breast、cSCC与私有Kidney四个队列上，STRATA的PCC最高、MSE最低；HER2上其PCC为0.361、MSE为0.356，正文给出的最强基线数值与表格所列基线数值不一致，因此不把该差值当作已确认的对比。
取样由一个强化学习智能体逐轮决定，它按形态稀疏程度和转录组信息量给候选位点打分，并随新测序结果更新策略。 打分建立在把切片配准成三维体、并用单细胞参考构建细胞状态原型的图上，因此能同时考虑跨切片连续性和细胞类型稀有度。 在HER2与cSCC上以10%预算比较采样策略，该策略在三种预测器下PCC最高；cSCC配ST-Net时PCC从0.075升到0.085。
补全由检索、回归和三维跨层插补三路并行给出，再由一个轻量融合头为每个位点分配权重。 单一路径各有短板：检索受参考库覆盖限制，回归缺少跨层结构约束，插补依赖邻近已测位点。 消融中HER2上单支回归PCC为0.328，三支全开时达到0.361；cSCC上三支全开PCC为0.228。正文称加入三维一致性监督使HER2的PCC从0.314升到0.328，而表格把回归加三维一支列为0.338，两处数值不一致，此处不引用该增量。
启示与展望
评估覆盖HER2、Breast、cSCC三个公开队列与一个私有Kidney队列，采用患者级交叉验证，以每位患者的中间切片做训练与三维插补锚定、其余切片做评测，预算比例包括10%；读者对象是从事空间转录组与计算病理的研究者。
低预算下的优势在cSCC配ST-Net时最明显出现在10%至15%预算区间；分支有效性随队列变化，HER2上单支回归最好，融合权重因此需要按队列学习。HER2上正文所述最强基线数值与表格所列基线数值不一致，正文称加入三维一致性监督使PCC从0.314升到0.328，而表格把回归加三维一支列为0.338，这两处对比的幅度需以原始数据核对后再引用。