# 基于组织学的基因表达预测

病理基础模型在H&E图像上做单细胞空间基因表达预测时，冻结的图块级嵌入迁移效果很差：在5K基因面板上，平均逐基因皮尔逊相关系数从伪点级的0.375降到单细胞级的0.065。一组面向单细胞的轻量适配——细胞局部token池化、40倍视野输入、泊松计数监督和LoRA微调——把同一面板的相关系数提升到0.174，并在5K面板上以0.800的AUROC超过SpatialEx的0.642。提升主要来自空间可变基因和疾病相关基因，全面板的绝对相关仍偏低。

病理基础模型在H&E图像上做单细胞空间基因表达预测时，冻结的图块级嵌入迁移效果很差：在5K基因面板上，平均逐基因皮尔逊相关系数从伪点级的0.375降到单细胞级的0.065。一组面向单细胞的轻量适配——细胞局部token池化、40倍视野输入、泊松计数监督和LoRA微调——把同一面板的相关系数提升到0.174，并在5K面板上以0.800的AUROC超过SpatialEx的0.642。提升主要来自空间可变基因和疾病相关基因，全面板的绝对相关仍偏低。

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。

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。

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。

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。