从病理图像预测单细胞空间转录组：PRTS 开启低成本高分辨率空间生物学新时代

研究背景

空间转录组学（Spatial Transcriptomics, ST）技术能够揭示组织中基因表达的空间分布，对理解发育、神经科学和肿瘤生物学具有重要意义。然而，现有ST技术成本高昂、操作复杂，限制了其在大规模研究和临床中的应用。尤其是单细胞水平的空间转录组数据，更是稀缺且难以获取。

研究亮点：PRTS 框架

华南理工大学凌飞教授团队联合多家单位，开发了一种名为 PRTS（Pathology-driven Reconstruction of Transcriptomic States） 的新型深度学习框架。该模型能够仅凭H&E染色病理图像，预测出单细胞分辨率的空间转录组数据。

输入：普通H&E染色图像

输出：单细胞 × 基因表达矩阵（1,820个高变基因）

分辨率提升：相比传统ST技术，分析单元数量提升约27倍

验证数据：使用小鼠大脑、人类肺癌和乳腺癌Visium HD数据进行训练与验证

代表性成果

准确预测基因表达空间模式

如基因 Kcnma1、Plp1、Apoe 等在小鼠大脑中的表达位置与真实ST数据高度一致。

实现单细胞类型注释

成功识别出神经元、星形胶质细胞、少突胶质细胞等21种细胞亚型，空间分布与真实数据吻合。

拓展至癌症组织

在人类乳腺癌和肺癌组织中，PRTS仍能保持稳定的预测性能，展现出在复杂病理环境中的适用性。

未来应用展望

临床病理辅助诊断：将常规病理切片转化为转录组图谱，辅助癌症分型与预后判断。

药物靶点发现：在肿瘤微环境中识别空间特异性表达基因，为新药开发提供线索。

大规模流行病学研究：低成本获取空间转录组数据，推动群体水平的空间生物学研究。

跨平台扩展：未来可整合Xenium、Stereo-seq等多平台数据，构建更通用的预测模型。

原文链接：https://spj.science.org/doi/10.34133/research.0961