Path2ST: Traduzione Cross-Modale Gerarchica per la Trascrittomica Spaziale

È stato sviluppato un nuovo framework di intelligenza artificiale chiamato Path2ST per prevedere l'espressione genica spaziale utilizzando immagini colorate con ematossilina-eosina (H&E), presentando un'alternativa economica alla trascrittomica spaziale (ST). Questo metodo, descritto in un articolo su arXiv (2608.14710), affronta la previsione H&E-to-ST come un compito di traduzione semantica cross-modale, superando le carenze dei metodi attuali che trascurano la gerarchia biologica all'interno dei tessuti. Path2ST presenta un meccanismo di condizionamento gerarchico cellula-tessuto, che fonde attributi cellulari sia espliciti che impliciti con intuizioni semantiche a livello tissutale, insieme a un processo di generazione autoregressiva adattiva alla scala che utilizza un vocabolario semantico gerarchico, facilitando previsioni biologicamente coerenti dal grossolano al fine. Questo framework mira a sfruttare l'organizzazione naturale dei tipi cellulari in microambienti tissutali funzionali che determinano i modelli locali di espressione genica, rendendolo significativo per la patologia computazionale e la genomica, potenzialmente riducendo i costi e le complessità associati alla ricerca sulla trascrittomica spaziale.