Nature Methods：当百年病理学遇见AI——iSCALE赋能H&E图像，预测细胞级空间转录组

想象一下，如果你是一位地图绘制师，你的任务是描绘一片广袤而神秘的新大陆。然而，你手中唯一的工具，是一架视野极其狭窄的望远镜。你只能透过它，一次观察一小块区域。你或许能看到一座雄伟的山峰，或是一片宁静的湖泊，但你很难将这些零散的景象拼接成一幅完整的、能揭示大陆全貌的宏伟地图。

长久以来，研究人员在探索组织和器官的微观世界时，就面临着类似的 钥匙孔困境(keyhole problem) 。我们渴望理解一个肿瘤的完整结构，或是一个大脑病灶的全貌，但我们的技术手段，就像那架视野狭窄的望远镜。

空间转录组学(Spatial Transcriptomics, ST)技术的诞生，无疑是这个领域的一场革命。它让我们第一次能够在保留组织空间位置信息的前提下，读取其中成千上万个基因的表达信息。这就像是为生命地图添加了 居民信息 ，我们不仅知道城市里有哪些建筑（细胞类型），还知道每个建筑里住着谁（基因表达）。然而，即便是最先进的商业化空间转录组学平台，其组织捕获区域(capture area)也非常有限，通常只有几毫米见方。对于人类的许多组织样本，比如一个完整的肿瘤切片，或是一个症(Multiple Sclerosis, MS)患者脑内的复杂病灶，这个尺寸远远不够。研究人员被迫 管中窥豹 ，从一个巨大的、异质性的组织中选取一小块区域进行分析，这其中蕴含的取样偏见和信息丢失的风险不言而喻。

我们是否注定只能进行这样 盲人摸象 式的探索？有没有一种方法，能够打破 钥匙孔 的限制，让我们获得一张覆盖整个组织的、细胞级别的基因表达全景图？

9月15日，《Nature Methods》的研究报道 Scaling up spatial transcriptomics for large-sized tissues: uncovering cellular-level tissue architecture beyond conventional platforms withiSCALE ，研究人员开发了一种名为iSCALE的创新计算框架，它巧妙地融合了传统的组织病理学图像和有限的空间转录组学数据，成功地将我们从 钥匙孔 后的窥探者，转变为手握高清全景地图的领航员。这不仅是一次技术的突破，更是一次视野的解放，它将彻底改变我们理解大型复杂组织和疾病的方式。