SPEAK：利用专家对齐知识进行空间提示的空间转录组学组织域识别

空间分辨转录组学（SRT）数据需要进行空间域识别，以支持针对组织微环境的下游分析。在此，我们提出 SPEAK（Spatial Prompting with Expert-Aligned Knowledge，基于专家对齐知识的空间提示），这是一种基于大语言模型（LLM）的方法，通过利用来自 LLM 和人类专家的先验知识，从 SRT 数据中识别空间域。SPEAK 基于每个细胞/点位邻近细胞的细胞类型和标记基因，为其构建空间上下文提示，从而实现零样本推理、专家引导的微调，以及通过两阶段提示进行原型更新。 在 STARmap、Visium、MERFISH 和 Xenium 数据集上的应用表明，与现有空间域识别方法相比，SPEAK 在空间域预测准确性、对有限先验知识的稳健性、生物学可解释性，以及高效开展专家引导微调并泛化到其他组织切片的能力方面均具有优势。

SPEAK：利用专家对齐知识的空间提示进行空间转录组学中的组织域识别 | 并帮助传播 bioRxiv。

注意：请求您的电子邮箱地址仅用于将您识别为该文章的发送者。

您的电子邮箱 * 您的姓名 * 发送至 * 请将多个地址分行输入，或用逗号分隔。

您将要发送以下内容：

SPEAK：利用专家对齐知识的空间提示进行空间转录组学中的组织域识别

消息主题

（您的姓名）已从 bioRxiv 转发一个页面给您

消息正文

（您的姓名）认为您可能希望查看 bioRxiv 网站上的此页面。

您的个人留言

验证码

此问题用于测试您是否为人类访客，并防止自动垃圾信息提交。

分享

SPEAK：利用专家对齐知识的空间提示进行空间转录组学中的组织域识别

Huanhuan Wei， Xiao Luo， Hongyi Yu， Jinping Liang， Luning Yang， Maor Sauler， Naftali Kaminski， Alexandra Popa， Xiting Yan

bioRxiv 2026.06.22.733750； doi： https://doi.org/10.64898/2026.06.22.733750

分享本文： 复制 引用工具

SPEAK：利用专家对齐知识的空间提示进行空间转录组学中的组织域识别

Huanhuan Wei， Xiao Luo， Hongyi Yu， Jinping Liang， Luning Yang， Maor Sauler， Naftali Kaminski， Alexandra Popa， Xiting Yan

bioRxiv 2026.06.22.733750； doi： https://doi.org/10.64898/2026.06.22.733750

📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.06.22.733750v1?rss=1

🏷️ 空间转录组学 组织域识别 大语言模型 零样本推理 专家知识对齐 生物学可解释性