用中文第三人称点评一下：The rapid development of spatial transcriptomics allows the measurement of RNA abundance at a high spatial resolution making it possible to simultaneously profile gene expression spatial l

空间转录组学的快速发展使得能够以高空间分辨率测量RNA丰度，从而可以同时记录基因表达、细胞或斑点的空间位置以及相应的苏木精和伊红染色组织学图像。从相对容易和廉价获取的组织学图像中预测基因表达变得有希望。为此，已经设计了几种方法，但它们并没有充分捕捉2D视觉特征之间的内部关系或斑点之间的空间依赖性。在这里，我们开发了Hist2ST，这是一个基于深度学习的模型，可以从组织学图像中预测RNA-seq表达。在每个测序斑点周围，相应的组织学图像被裁剪成一个图像块，并输入卷积模块中提取2D视觉特征。同时，通过Transformer和图神经网络模块分别捕捉与整个图像和相邻块之间的空间关系。然后，利用这些学习到的特征通过零膨胀负二项分布来预测基因表达。为了减轻小规模空间转录组数据的影响，采用了自我蒸馏机制来有效学习模型。通过对癌症和正常数据集的全面测试，Hist2ST在基因表达预测和空间区域识别方面表现优于现有方法。进一步的通路分析表明，我们的模型能够保留生物信息。因此，Hist2ST能够从组织学图像中生成空间转录组学数据，以阐明组织的分子特征。