University of Regensburg

多受试者空间转录组比较通常要先把组织划成解剖区域或聚类，再在固定区域内做差异表达检验，定位与检验因此分开。SpaceDX 改为在检验的同时为每个基因学习一组空间注意力权重，把各点的表达加权成伪批量，再放进分层贝叶斯逻辑回归做受试者层面的关联检验。在19只应激与19只对照小鼠的慢性社会挫败应激数据上，5%经验FDR下检出175个差异基因，比区域DESeq2的120个多45.8%；在阿尔茨海默病模型上两者单独检出数相近，合并后比单用DESeq2多19.1%。

多受试者空间转录组比较通常要先把组织划成解剖区域或聚类，再在固定区域内做差异表达检验，定位与检验因此分开。SpaceDX 改为在检验的同时为每个基因学习一组空间注意力权重，把各点的表达加权成伪批量，再放进分层贝叶斯逻辑回归做受试者层面的关联检验。在19只应激与19只对照小鼠的慢性社会挫败应激数据上，5%经验FDR下检出175个差异基因，比区域DESeq2的120个多45.8%；在阿尔茨海默病模型上两者单独检出数相近，合并后比单用DESeq2多19.1%。

该工作提出一种无样本持续学习框架，用于全切片图像到病理报告的生成：在冻结的图块嵌入空间中为每个域构建紧凑“域足迹”（k-means 码本、切片级码字直方图库、图块数量统计与报告风格原型），据此合成伪全切片并由上一轮教师快照生成伪报告进行生成式回放，同时用风格前缀条件化语言模型；在多个公开持续学习基准上，该方法优于无样本与有限缓冲回放基线，并支持无需显式域标识的域无关推理。

该工作提出一种无样本持续学习框架，用于全切片图像到病理报告的生成：在冻结的图块嵌入空间中为每个域构建紧凑“域足迹”（k-means 码本、切片级码字直方图库、图块数量统计与报告风格原型），据此合成伪全切片并由上一轮教师快照生成伪报告进行生成式回放，同时用风格前缀条件化语言模型；在多个公开持续学习基准上，该方法优于无样本与有限缓冲回放基线，并支持无需显式域标识的域无关推理。