Vermeer：显微镜图像的自回归生成建模预测蛋白质定位

荧光显微镜能够为观察蛋白质在细胞内的定位方式提供丰富视角，但要在所有可能影响定位的不同因素条件下对人类蛋白质进行成像，在实验上仍然不可行。我们提出了 Vermeer，这是一种通道自适应的自回归生成模型，用于原位计算生成蛋白质定位的显微图像。Vermeer 以蛋白质序列和展示细胞形态的标志性染色为条件进行生成，从而能够泛化到未见过的蛋白质和细胞系。我们表明，在 Human Protein Atlas 上训练的 Vermeer，相较于以往方法，能够生成在感知质量和生物学保真度方面均显著提升的图像。此外，Vermeer 的自回归框架支持使用不同的通道子集和通道顺序进行灵活生成，从而能够零样本迁移到在与训练时不同的成像条件和通道配置下采集的数据。上述结果表明，Vermeer 有望实现蛋白质定位的可扩展建模，并朝着能够跨不同显微数据集运行的生成式基础模型迈出了重要一步。代码已公开发布于 https://github.com/microsoft/vermeer.git。

荧光显微镜为观察蛋白质如何在细胞内定位提供了丰富视角，但要在所有可能影响定位的不同因素条件下对人类蛋白质进行成像，在实验上仍然不可行。我们提出了 Vermeer，一种通道自适应的自回归生成模型，用于以计算机模拟方式生成蛋白质定位的显微图像。Vermeer 以蛋白质序列和表征细胞形态的标志染色作为生成条件，因此能够泛化到未见过的蛋白质和细胞系。我们表明，在 Human Protein Atlas 上训练的 Vermeer，相较于先前提出的方法，能够生成在感知质量和生物学保真度方面均显著提升的图像。此外，Vermeer 的自回归框架支持基于不同通道子集和通道顺序的灵活生成，从而能够零样本迁移到在与训练阶段不同的成像条件和通道配置下采集的数据。上述结果表明，Vermeer 有望实现蛋白质定位的可扩展建模，并朝着能够跨不同显微成像数据集运行的生成式基础模型迈进了一步。代码已公开发布于 https://github.com/microsoft/vermeer.git。

📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.06.01.729395v1?rss=1

🏷️ 荧光显微镜 蛋白质定位 自回归生成模型 显微图像生成 Human Protein Atlas 零样本迁移