清华大学李梢团队最新Nature子刊
iNature
2025-03-30 00:00
文章摘要
背景：组织学图像在疾病诊断和治疗中具有重要作用，但传统方法在细胞空间图谱推断方面存在局限性。研究目的：清华大学李梢团队开发了一种名为HistoCell的弱监督深度学习方法，旨在从单核水平的组织学图像中推断超分辨率细胞空间图谱。结论：HistoCell在多个癌症组织中表现出色，能够提高空间转录组学数据的反卷积精度，并发现与临床相关的空间组织指标，为癌症研究提供了强大的工具。
本站注明稿件来源为其他媒体的文/图等稿件均为转载稿，本站转载出于非商业性的教育和科研之目的，并不意味着赞同其观点或证实其内容的真实性。如转载稿涉及版权等问题，请作者速来电或来函联系。
推荐文献
Complex terrain causes global model prediction biases of 21.7 Zhengzhou extreme precipitation
DOI: 10.1016/j.scib.2025.09.015
Pub Date : 2026-01-30
Erratum: Combined HIF-1α blockade and CHIR99021 treatment reverses pulmonary fibrosis via modulation endothelial-to-mesenchymal transition.
DOI: 10.1016/j.isci.2026.114722
Pub Date : 2026-01-22
Date: 2026/2/20 0:00:00
Local cloud enhancement associated with urban morphology: evidence from observations and idealized large-eddy simulations
DOI: 10.1038/s41467-026-68986-0
Pub Date : 2026-02-05
iNature
最新文章
京公网安备 11010802042870号
