H&E切片不必再做空间转录组：ALHENA用细胞与邻域相似度蒸馏，患者级特征相关性达0.341
核心概要
ALHENA把空间转录组的信息蒸馏进常规H&E编码器，推理时只读图像。它不回归单个基因，而是让H&E表示去匹配两个冻结转录组模型在细胞和邻域尺度上给出的样本间相似度结构。在TCGA的110个癌种与特征组合上，平均Spearman相关为0.341，高于未适配UNI2-h的0.161；在Thunder病理基准上中位变化为−0.004。
深度剖析
常规H&E染色切片能显示细胞形态和组织结构，却测不到分子状态；空间转录组能测基因表达并保留位置，但成本更高、技术更不成熟。ALHENA让训练阶段用配对的H&E与空间转录组，推理阶段只输入H&E，就能输出带有转录组信息的切片与细胞表示。 此前的做法多把切片表示对齐到整体表达，或直接预测局部基因表达；SEAL同样在UNI2-h上做空间转录组适配，但走的是spot级H&E–转录组对齐加基因重建的路线。 在TCGA的750名患者、10个癌种、11个转录组特征共110个组合上，ALHENA平均Spearman相关为0.341，未适配的UNI2-h为0.161，SEAL为0.211，Virchow2为0.284；ALHENA在110个组合中的95个上超过UNI2-h。
训练目标不是让图像去复现某个基因的读数，而是让H&E表示复现转录组模型眼中的样本间相对远近。每个细胞取覆盖其细胞核的图像token加权平均，每个切片取全局表示，分别与细胞级和邻域级的转录组表示配对。 两个转录组教师模型全程冻结：scConcept提供细胞级表示，Novae提供局部邻域表示，二者都不看H&E图像。 适配使用25张Xenium切片、覆盖13个器官、327,955个H&E图块和8,042,782个有转录组测量的细胞；UNI2-h主干冻结，只训练秩为64的LoRA模块和四个投影头，在四块H100上共耗12.9 GPU小时。
适配后，同一编码器仍能承担常规病理任务，因此转录组读数和传统组织病理读数可以在同一表示上一起分析。 Thunder基准用20个数据集、七个评测轴检验与分子训练目标无关的病理任务，比较对象是适配前的UNI2-h。 在99项可用评测上，ALHENA相对UNI2-h的中位差为−0.004；六个判别性轴上的中位差为−0.006，与同场比较的Virchow2（−0.008）、H-optimus-1（−0.009）处于同一范围。
启示与展望
适配数据为25张Xenium切片、13个器官，另有两张切片完全留出用于评测；所有下游评测中编码器保持冻结，只拟合岭回归或分类器等读出层。细胞分型在Xenium测试条带和两张完全留出切片上评测，并在不重训、不调参的情况下迁移到PanNuke中11个有匹配图谱的组织类型。
基因级增益只在Xenium上出现：在HEST-1k的170张切片、五个组织上，ALHENA平均相关为0.2117，UNI2-h为0.2123，打乱目标对照为0.2134，因此没有证据表明该增益跨测序技术迁移。细胞分型的错误集中在免疫细胞，例如21.0%的B/浆细胞被分到T/NK，而用实测转录组检索时为4.0%。研究未确定性能如何随配对数据增加而扩展。