- 1次围观
空间转录组超分辨率技术能够恢复因粗粒度采样而被掩盖的组织结构，但为每个组织切片分别拟合模型会显著增加计算成本并降低实用性。我们提出 ASTRA，这是一种跨平台预训练模型，可通过零样本推理，结合组织学图像与实测 RNA 重建基因表达。通过使用形状任意且包含计数的区域（称为“父区域”）进行训练，同一个冻结模型即可适配密集网格和彼此分离的 spot。在六个留出的 Visium HD 切片上，与现有方法相比，ASTRA 在密集分箱采样和伪 Visium 采样下均取得了更高的相关性，在密集分箱条件下具有更低的误差，并显著缩短了处理时间。该模型改善了结直肠组织分割和肿瘤边界恢复效果。在真实的结直肠 Visium 数据中，重建结果实现了对一种由实测 RNA 支持的基质转录状态的空间分辨。同一模型检查点还支持在 43 个浸润性小叶癌切片中开展区域分析和核相关分析，以及在 92 个三阴性乳腺癌切片中进行 spot 内部解析。ASTRA 为跨平台、面向队列规模的实用型空间转录组超分辨率建立了可复用的框架。
ASTRA 实现跨捕获几何布局的空间转录组学零样本超分辨率 | bioRxiv
跳转至主要内容
首页 关于 投稿 提醒 / RSS 搜索此关键词 高级搜索 最新结果
ASTRA 实现跨捕获几何布局的空间转录组学零样本超分辨率
查看 ORCID 记录
Jiachen Ye ， Qinghua Cui
doi： https://doi.org/10.64898/2026.09.30.755663
Jiachen Ye 北京大学
在 Google Scholar 中查找该作者 在 PubMed 中查找该作者 在本网站中搜索该作者 Jiachen Ye 的 ORCID 记录
Qinghua Cui 北京大学
在 Google Scholar 中查找该作者 在 PubMed 中查找该作者 在本网站中搜索该作者
通信作者： cuiqinghua{at}bjmu.edu.cn
摘要
信息/历史 指标 数据/代码 预览 PDF
摘要
空间转录组学超分辨率能够恢复因粗粒度采样而被掩盖的组织结构，但针对每个组织切片分别拟合模型会显著增加计算成本并降低实用性。我们提出 ASTRA，这是一种跨平台预训练模型，能够通过零样本推理，结合组织学图像和实测 RNA 重建基因表达。通过使用任意形状的、包含计数信息的区域（称为“父区域”）进行训练，单个冻结模型即可适配密集网格和分离斑点。在 6 个留出的 Visium HD 切片上，与现有方法相比，ASTRA 在密集网格采样和伪 Visium 采样下取得了更高的相关性、更低的密集网格误差以及显著更短的处理时间。该方法改善了结直肠组织分割和肿瘤边界恢复效果。在真实的结直肠 Visium 数据中，重建结果在空间上分辨出一种由实测 RNA 支持的基质转录状态。同一模型检查点还支持在 43 个浸润性小叶癌切片中开展区域分析和细胞核相关分析，并支持在 92 个三阴性乳腺癌切片中进行斑点内解析。ASTRA 建立了一个可复用的框架，可在不同平台上实现实用且适用于大规模队列的空间转录组学超分辨率。
利益冲突声明
脚注
https://github.com/jiachenye-cuilab/ASTRA
已声明的资助信息
中国国家自然科学基金 ，82427801
版权
本预印本的。
该预印本依据 CC-BY-NC-ND 4.0 国际许可协议 提供。
返回顶部
上一篇 下一篇
发布于 2026 年 10 月 6 日。
下载 PDF
数据/代码
电子邮件
感谢您有兴趣传播 bioRxiv 上的内容。
身份。
您的电子邮件地址 *
您的姓名 *
发送至 *
请输入多个地址，每行一个，或使用逗号分隔。
您即将发送以下内容：
ASTRA 实现跨捕获几何布局的空间转录组学零样本超分辨率
邮件主题
（您的姓名）从 bioRxiv 网站转发了一个页面给您
邮件正文
（您的姓名）认为您可能会对 bioRxiv 网站上的这一页面感兴趣。
您的个人留言
验证码
此问题用于测试您是否为人类访客，并防止自动垃圾邮件提交。
分享
ASTRA 实现跨捕获几何布局的空间转录组学零样本超分辨率
Jiachen Ye ， Qinghua Cui
bioRxiv 2026.09.30.755663； doi： https://doi.org/10.64898/2026.09.30.755663
分享本文：
复制
引文工具
ASTRA 实现跨捕获几何布局的空间转录组学零样本超分辨率
Jiachen Ye ， Qinghua Cui
bioRxiv 2026.09.30.755663； doi： https://doi.org/10.64898/2026.09.30.755663
📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.09.30.755663v1?rss=1
🏷️ 空间转录组学 零样本超分辨率 深度学习 组织学图像分析 单细胞空间解析