What makes for good morphology representations for spatial omics?

要約

空間オミクスは、遺伝子発現パターンの空間的コンテキストを保存することにより、組織構造に対する私たちの理解を変えました。
同時に、イメージング AI の進歩により、組織を表す形態学的特徴の抽出が可能になりました。
空間オミクスとイメージング AI が交差することで、より全体的な理解の機会が生まれます。
このレビューでは、形態学的特徴を空間オミックス解析にどのように変換または統合できるかに焦点を当て、空間オミクスと形態の組み合わせ手法を分類するためのフレームワークを紹介します。
言い換えると、遺伝子発現を予測する目的で、遺伝子発現パターンと空間的に相関する形態学的特徴を見つけることを意味します。
このような機能を使用すると、超解像度遺伝子発現マップを生成したり、臨床 H&E 染色サンプルから遺伝情報を推測したりできます。
統合とは、情報を豊かにする目的で遺伝子発現パターンを空間的に補完する形態学的特徴を見つけることを意味します。
このような特徴は、特に遺伝子発現が形態学的変化に先立って行われる場合、および遺伝子発現後に形態が残る場合に、空間ドメインを定義するために使用できます。
私たちは、この分野をさらに発展させるための学習戦略と方向性について話し合います。

要約(オリジナル)

Spatial omics has transformed our understanding of tissue architecture by preserving spatial context of gene expression patterns. Simultaneously, advances in imaging AI have enabled extraction of morphological features describing the tissue. The intersection of spatial omics and imaging AI presents opportunities for a more holistic understanding. In this review we introduce a framework for categorizing spatial omics-morphology combination methods, focusing on how morphological features can be translated or integrated into spatial omics analyses. By translation we mean finding morphological features that spatially correlate with gene expression patterns with the purpose of predicting gene expression. Such features can be used to generate super-resolution gene expression maps or infer genetic information from clinical H&E-stained samples. By integration we mean finding morphological features that spatially complement gene expression patterns with the purpose of enriching information. Such features can be used to define spatial domains, especially where gene expression has preceded morphological changes and where morphology remains after gene expression. We discuss learning strategies and directions for further development of the field.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google