IF36.1｜GHIST：从H&E图像深度学习预测单细胞空间基因表达

仅凭H&E染色图像，GHIST即可预测单细胞分辨率的空间基因表达，为TCGA等大型队列添加空间组学维度。

这篇按生信解读号的读法拆：先看背景和问题，再看作者怎么做、做出了哪几条硬发现，最后把数据和代码收走。

研究背景

空间转录组技术（SRT）能够提供基因表达的空间定位，对理解复杂疾病机制至关重要。其中，亚细胞空间转录组（SST）平台（如10x Xenium）已实现单细胞甚至亚细胞分辨率的空间基因表达（SGE）检测。然而，SST成本高昂、操作复杂，限制了大规模应用。相比之下，H&E染色组织病理图像在临床中常规采集、广泛可用，且蕴含丰富的细胞和组织结构信息。已有深度学习方法尝试从H&E图像预测spot水平的基因表达，但受限于分辨率低、精度不足，难以满足转化需求。

科学问题

卡在哪里： 现有方法主要预测spot级基因表达，每个spot混合多种细胞类型，无法解析单细胞水平的表达异质性。此外，这些方法未充分利用SST数据提供的亚细胞分辨率信息，也未整合细胞类型、邻域组成、核形态等多层生物信息之间的内在关联，导致预测精度和空间分辨率有限。

本文要回答： 本文旨在开发一个深度学习框架GHIST，直接从H&E图像预测单细胞分辨率的空间基因表达，并验证其在多种空间分辨率和外部数据集上的性能与转化潜力。

技术路线

作者主要用了：深度学习、多任务学习、H&E图像、单细胞空间转录组、细胞分割、细胞类型注释。

GHIST采用多任务深度学习架构，以H&E图像为输入，通过联合学习细胞核形态、细胞类型、邻域组成和单细胞基因表达四个层面的信息，实现单细胞SGE预测。训练时利用配对的SST数据获取单细胞表达和细胞类型标签，并引入scRNA-seq参考数据提供细胞类型平均表达谱。模型包含四个预测头，分别对应上述信息类型，并通过多个损失函数协同优化，捕捉信息间的相互依赖。训练完成后，仅需H&E图像即可进行推断，无需任何空间组学数据。

图 1　Fig. 1。图1展示了GHIST的整体框架：训练时利用配对SST数据学习H&E图像与单细胞基因表达之间的映射，通过多任务架构整合细胞类型、邻域组成、核形态和基因表达信息；推断时仅需H&E图像即可预测单细胞空间基因表达，无需任何空间组学数据。

核心亮点

亮点 1｜单细胞表达预测准确

在乳腺癌Xenium数据集上，GHIST预测的细胞类型分布与真实SST数据高度一致（BreastCancer1准确率0.75，BreastCancer2准确率0.66）。对于空间可变基因（SVGs），预测与实测表达的中位Pearson相关系数达0.7（top 20 SVGs），而低表达非SVGs的相关系数接近0，符合预期。示例基因SCD、FASN、FOXA1、EPCAM等均显示强相关性（r=0.74-0.84），表明GHIST能有效捕捉生物学上有意义的空间表达模式。

图 2　Fig. 2。图2比较了乳腺癌Xenium数据集中预测与真实细胞类型及组成。a-d显示细胞类型分布和比例高度一致；e-f以SCD基因为例，展示预测与实测表达在空间上的强相关性；g列出多个高相关SVGs（如SCD、FASN、FOXA1、EPCAM），表明GHIST能准确捕捉生物学上有意义的空间表达模式。

亮点 2｜超越现有spot级方法

在HER2ST spot级数据集上，GHIST的PCC（0.16）和SSIM（0.10）均优于ST-Net、DeepPT等现有方法。对于HVGs和SVGs，GHIST的PCC分别达到0.20和0.27，SSIM分别为0.17和0.26，均显著高于其他方法。此外，在TCGA-BRCA HER2+患者中，基于GHIST预测的伪bulk表达构建的Cox回归模型C-index达0.57，高于仅使用RNA-seq中与HER2ST重叠基因的0.55，且生存分析显示高风险组与低风险组存在显著差异（P=0.017）。

图 3　Fig. 3。图3在HER2ST spot级数据上比较GHIST与现有方法。a-b显示GHIST的PCC和SSIM均最高；c展示top5基因的相关性；d-e显示在HVGs和SVGs上GHIST优势更明显；f-g显示基于GHIST预测的生存模型C-index高于RNA-seq基线，且能显著区分高/低风险患者。

亮点 3｜TCGA大规模应用

将GHIST应用于92例TCGA HER2+和461例luminal型乳腺癌H&E全切片，成功预测了280个基因在单个细胞中的表达。细胞类型组成以恶性细胞为主，其次为基质细胞，与预期一致。UMAP可视化显示EPCAM和SFRP4等标记基因的空间分布符合肿瘤微环境特征。在内部乳腺癌组织芯片数据中，侵袭区免疫浸润程度高于原位区，与文献一致，验证了GHIST预测的生物学合理性。

图 4　Fig. 4。图4展示GHIST在TCGA-BRCA外部数据集上的应用。a显示两个样本H&E图像及预测的基因表达；b通过UMAP和标记基因EPCAM、SFRP4展示细胞类型空间分布；c显示92例HER2+患者的细胞类型比例，以恶性细胞为主，符合预期。

亮点 4｜空间特征提升预后分层

利用GHIST预测的单细胞空间表达，提取细胞类型比例、细胞类型特异性基因表达和空间模式特征。在TCGA HER2+队列中，细胞类型特异性基因比例和最近邻相关性等空间特征能够区分高/低风险患者，其区分能力与bulk RNA-seq相当（卡方值2.97 vs 2.87）。在luminal队列中，最近邻相关性（卡方=7.22，P=0.01）和Moran's I（卡方=6.04，P=0.01）的预后分层能力甚至优于bulk RNA-seq（卡方=1.9，P=0.17），凸显空间信息的独特价值。

图 5　Fig. 5。图5展示GHIST预测的空间特征在生存分析和亚型解析中的价值。a显示基于细胞类型比例和空间模式的风险分层Kaplan-Meier曲线；b显示ER+/PR+与ER-/PR-患者间巨噬细胞和基质细胞中的差异状态基因；c显示ER+/PR+患者内部可聚类为两个亚组，其生存存在差异；d显示空间模式特征（如最近邻相关性）对亚组具有区分能力；e展示拷贝数变异与空间表达模式关联的热点区域。

亮点 5｜揭示拷贝数变异与空间模式关联

通过分析TCGA HER2+患者的体细胞拷贝数变异（SCNA），发现染色体1、8和17q上的特定区域（如8q24基因沙漠、17q11-21含HER2区域）的拷贝数增益/缺失与大量基因的空间表达模式改变相关。例如，TOP2A拷贝数变异对差异空间模式基因影响显著。这些结果表明，GHIST预测的空间表达模式可作为连接基因组变异与空间表型的新模态，为探索癌症机制提供新视角。

生信可带走

这一块是给做分析的人用的，不是科普点缀。

• 方法栈： 深度学习、多任务学习、H&E图像、单细胞空间转录组、细胞分割、细胞类型注释
• 公开数据： 原文未给出公开组学登录号
• 代码： 原文未给出公开 GitHub/GitLab 仓库
• 谁该点开原文： 从事空间转录组、数字病理或癌症多组学分析的研究者，以及希望利用H&E图像挖掘空间信息的生信人员。

带走一句

GHIST证明仅凭H&E图像即可预测单细胞空间基因表达，为大规模队列添加空间组学维度，开辟了低成本、高通量的空间分析新路径。