《Nature Methods》于2025年9月15日报道了一项革命性的研究，提出了一种名为GHIST的深度学习框架。
这一框架能够从标准的苏木精-伊红染色（H&E）图像中，在单细胞水平上精准预测空间基因表达。这一技术突破不仅提供了一种低成本、高分辨率的基因表达解析方法，而且预示着病理学诊断方式的深刻变革。
GHIST通过四个步骤实现精准预测：首先，它利用深度学习网络分析H&E图像中的每个像素，准确分割并识别细胞核的形态。其次，它根据视觉特征和真实基因表达数据，给每个细胞核打上“身份标签”，从而区分不同类型的细胞。第三，GHIST评估局部区域内不同细胞类型的构成比例，即邻里组分，从而理解细胞间的相互作用。最后，结合上述信息，GHIST预测每个细胞内数百个基因的表达水平。
研究团队通过严格的验证实验，证明GHIST的预测与使用先进的亚细胞空间转录组学平台（如10x Xenium）获得的真实数据高度一致。这表明，GHIST不仅在理论上可行，而且在实际应用中也具有极高的准确性和可靠性。 GHIST的问世，使得原本静态的H&E图像变得“开口说话”，为科学家提供了前所未有的工具，以更深入地理解细胞行为和基因表达。这一技术有望推动基础研究和临床诊断的发展，为疾病特别是癌症的早期检测和治疗提供新的路径。
