ALHENA:从转录组基础模型蒸馏的 H&E 编码器,用于多尺度切片分析
ALHENA, an H&E encoder distilled from transcriptomic foundation models for multi-scale slide analysis
ALHENA是推理时仅需H&E的多尺度H&E编码器,由配对H&E与空间转录组数据蒸馏自冻结的细胞和邻域转录组模型。用13个器官的25张Xenium切片、超800万个细胞训练后,它提升了患者级转录组特征预测、局部Xenium基因表达读出和细胞类型可分性,并基本保留通用病理性能;配套Python包已发布。
预印本 · biorxiv · 10.64898/2026.10.20.760439
本站摘要基于收录版本 v1(2026-10-26),原始摘要与 AI 导读固定保留。
来源最近更新: · 来源 v1
苏木精-伊红(H&E)组织学与空间转录组学(ST)提供了互补的组织视图,其中 H&E 捕捉形态学信息,ST 测量空间基因表达。二者结合,将组织结构与分子状态联系起来。我们提出了一个多尺度训练框架,利用配对的 H&E 和 ST 数据对预训练的 H&E 编码器进行适配,由此生成 ALHENA,该模型在推理阶段仅需 H&E 数据。H&E 编码器从冻结的细胞和邻域转录组模型中学习成对相似性,无需基因层面的目标。我们使用来自 13 个器官的 25 张 Xenium 切片和超过 800 万个细胞训练了 ALHENA。仅凭 H&E 数据,ALHENA 就提升了患者层面的转录组特征预测、局部 Xenium 基因表达读出以及细胞类型可分性,同时在很大程度上保留了通用病理学性能。其专门的细胞空间支持将单细胞图谱标签迁移到外部 H&E 数据集,无需重新调参。发布的配套 Python 软件包提供了一套全面的工具,用于生成 H&E 衍生的图块和细胞嵌入、基于图谱的细胞分型以及空间对齐的多尺度 H&E 分析。
来源:bioRxiv · biorxiv.org