CHRep：クロスモーダルな組織病理表現とポストホック校正による空間遺伝子発現予測

要旨: 空間トランスクリプトミクス（ST）は空間的に解像度の高い遺伝子プロファイリングを可能にしますが、費用が高く処理量が低いため、大規模コホート研究や日常的な臨床利用が制限されています。ルーチンのヘマトキシリン・エオジン（H&E）スライドから空間遺伝子発現を予測することは有望な代替手段ですが、現実的な「1スライドを除外する（leave-one-slide-out）」評価の下では、既存のモデルはしばしばスライド単位の外観変動に起因する問題や、回帰に駆動される過度な平滑化により、生物学的に意味のある変動が抑制されるという課題に悩まされます。CHRepは、組織像から発現を頑健に予測するための二段階の枠組みです。学習段階では、CHRepは相関を考慮した回帰、対称的な画像—発現アラインメント、座標に起因する空間トポロジー正則化を共同で最適化することにより、構造を意識した表現を学習します。推論段階では、バックボーンの微調整を行わずに、学習スライドで訓練された軽量なキャリブレーションモジュールによって、スライド間の頑健性が改善されます。このモジュールは、学習ギャラリーからのノンパラメトリック推定と、マグニチュード正則化付きの補正モジュールを組み合わせたものです。単一の予測経路に依存する先行研究の埋め込みアラインメント法やリトリーバル（検索）に基づく転移手法とは異なり、CHRepは、トポロジーを保持する表現学習と事後的（post-hoc）キャリブレーションを結び付けることで、スライド間の外観シフト下でも安定した近傍検索と、制御されたバイアス補正を可能にします。3つのコホートすべてにおいて、CHRepはleave-one-slide-out評価で一貫して遺伝子ごとの相関を改善し、特にAlex+10xで最大の向上が観測されます。HAGEと比べて、考慮した全遺伝子におけるピアソン相関係数［PCC(ACG)］は、cSCCで4.0%増加し、HER2+で9.8%増加します。mclSTExpと比べて、PCC(ACG)はさらにAlex+10xで39.5%改善し、平均二乗誤差（MSE）と平均絶対誤差（MAE）がそれぞれ9.7%および9.0%減少します。