# 从全切片图像预测基因表达

空间转录组与单细胞转录组能给出基因表达的空间分布，但每张切片成本高、样本稀少，常规H&E全切片图像却随处可得。一个多尺度图神经网络把TCGA的bulk数据、Visium的空间数据和Xenium的单细胞数据放进同一套训练，用一致性损失约束三个尺度的预测彼此对齐，从而直接从切片图像预测bulk、空间和单细胞三个层次的表达。它在切片级表现最好，斑块级中等，单细胞级最具挑战；在Xenium上细胞级PCC和AUROC高于DeepSpot2Cell，而斑块级指标由后者领先。

空间转录组与单细胞转录组能给出基因表达的空间分布，但每张切片成本高、样本稀少，常规H&E全切片图像却随处可得。一个多尺度图神经网络把TCGA的bulk数据、Visium的空间数据和Xenium的单细胞数据放进同一套训练，用一致性损失约束三个尺度的预测彼此对齐，从而直接从切片图像预测bulk、空间和单细胞三个层次的表达。它在切片级表现最好，斑块级中等，单细胞级最具挑战；在Xenium上细胞级PCC和AUROC高于DeepSpot2Cell，而斑块级指标由后者领先。