一、文章介绍
从常规H&E染色组织病理学图像预测空间基因表达，为昂贵的空间转录组学（ST）实验提供了一种有前景且成本低廉的替代方案。利用大量常规收集的H&E切片，这一方法有望大规模揭示组织微环境、疾病进展和治疗反应的分子见解。然而，现有方法面临一个核心挑战：如何在组织架构中同时建模空间连续性与功能异质性。空间连续性指邻近区域具有相关表达，而生物学功能是异质的——相邻点可能属于完全不同的微环境（如肿瘤与免疫间质），具有截然不同的基因谱。当前方法难以平衡这两方面：统一表征会导致过度平滑和生物学特异性丧失，而忽略空间结构则会损害上下文连贯性。
早期方法（如ST-Net、HisToGene、Hist2ST）将图像到表达预测视为回归问题，将空间坐标和视觉特征编码到共享潜在空间，这无意中强制了局部平滑性，代价是生物边界的模糊。近年来，生成模型（如Stem）通过条件去噪过程提高了预测的保真度和多样性，但Stem未显式整合空间信息，无法解耦空间和功能因子，且迭代采样计算成本高。后续基于流的方法（如STFlow）通过流匹配实现了更快采样，但仍依赖局部邻域聚合，将空间依赖与功能异质性混为一谈。
为突破上述瓶颈，Chengyang Zhang、Bo Li及其合作者在Bioinformatics上发表了题为“PSSD: a conditional flow matching framework with progressive spatial-semantic decoupling for spatial gene expression prediction”的研究论文，提出了一个名为PSSD的渐进式空间-语义解耦框架。
PSSD的核心洞见在于：将空间-语义解耦嵌入到连续流匹配的向量场中，而非仅仅在网络层面组合模态。这一范式转变使生成过程沿ODE积分路径进行逐步、自适应的交互——在功能异质区域抑制空间先验，在结构连贯区域强化空间先验。因此，流匹配不仅是采样效率的工具，更是实现轨迹引导解耦的数学基础。
PSSD采用三阶段渐进架构：（1）共享编码——初始DiT块处理联合基因嵌入（整合表达计数和GO增强的基因相关性）及时序和图像条件，捕获模态不变语义；（2）空间-语义解耦——将共享表示解耦为语义流和空间流（后者融入坐标调制），通过门控机制实现可控的双向信息交换；（3）自适应融合——通过逐点可学习的融合系数λ（由坐标投影经sigmoid得到）自适应平衡空间与语义贡献，生成最终预测。
研究者构建了基因本体（GO）增强的基因嵌入：通过信息含量（IC）和最低公共祖先（LCA）计算GO术语间相似性，用匈牙利算法实现基因间GO术语集的最优对齐，构建加权基因图，经GNN生成先验嵌入与表达计数嵌入融合。图像嵌入使用UNI和CONCH两种病理学基础模型提取。
在7个ST数据集（DLPFC、BC、cSCC、ccRCC、PAAD、COAD及Visium HD COAD）上的实验表明，PSSD在HVG和HEG的PCC上一致优于ST-Net、BLEEP、Stem、STFlow等方法。在DLPFC上，PSSD的HVG PCC达0.337（比Stem提升12.3%），HEG PCC达0.299（提升11.9%）。消融实验表明，移除解耦模块性能下降最显著，证明空间-语义解耦的必要性；用DDPM替代流匹配导致明显性能下降，证明确定性线性轨迹对门控机制的稳定性至关重要。在生成效率上，PSSD将单样本推理时间从Stem的32.04分钟降至3.98分钟（约8倍加速）。基因特异性线性探针分析表明，空间流对高空间自相关（Moran’s I）基因（如MBP）主导，语义流对低空间依赖基因（如CD74）主导，证明解耦机制捕获的是生物学驱动因素而非计算伪影。
二、算法原理介绍
PSSD的算法设计围绕“条件流匹配 → 渐进式空间-语义解耦网络 → 自适应融合”三个核心层次展开。
（一）条件流匹配框架。将基因表达预测形式化为学习条件分布x∼pgene(x∣s,z)x \sim p_{\text{gene}}(x|s,z)x∼pgene(x∣s,z)，其中sss为空间坐标嵌入，zzz为图像嵌入。目标是从先验分布p0p_0p0（高斯噪声）到条件依赖的目标分布p1(x∣c)p_1(x|c)p1(x∣c)学习条件向量场vθ(xt,t∣c)v_\theta(x_t,t|c)vθ(xt,t∣c)，由ODEdxtdt=vθ(xt,t∣c)\frac{dx_t}{dt}=v_\theta(x_t,t|c)dtdxt=vθ(xt,t∣c)定义。采用线性插值传输路径xt=(1−t)x0+tx1x_t=(1-t)x_0+t x_1xt=(1−t)x0+tx1，速度场恒定为v=x1−x0v=x_1-x_0v=x1−x0，训练损失为L=E∥vθ(xt,t∣c)−(x1−x0)∥22\mathcal{L}=\mathbb{E}\|v_\theta(x_t,t|c)-(x_1-x_0)\|_2^2L=E∥vθ(xt,t∣c)−(x1−x0)∥22。推理时从p0p_0p0采样t=0t=0t=0的噪声，用Euler方法（100步）数值积分ODE至t=1t=1t=1，一步生成预测。该确定性线性轨迹与扩散模型的高方差噪声路径形成对比，为后续空间-语义解耦提供了稳定的动态优化基底。
（二）渐进式空间-语义解耦网络。三阶段架构沿ODE积分路径（状态变量从噪声到数据逐步演化）动态调节空间与语义信号的冲突。（1）共享编码：联合基因嵌入h=hcount+hcorrh=h^{\text{count}}+h^{\text{corr}}h=hcount+hcorr（表达计数嵌入+GO增强GNN嵌入）经DiT块处理，h′=DiTBlocks(h,t+z)h'=\text{DiTBlocks}(h,t+z)h′=DiTBlocks(h,t+z)，捕获模态不变语义。（2）空间-语义解耦：初始化空间流hsp=h′+α⋅sh^{\text{sp}}=h'+\alpha \cdot shsp=h′+α⋅s（sss为坐标调制嵌入，α=0.5\alpha=0.5α=0.5）和语义流hse=h′h^{\text{se}}=h'hse=h′。两者经共享注意力但独立适配器处理。门控机制ϕ=Softmax(MLP([c,hˉsp,hˉse,∣hˉsp−hˉse∣]))\phi=\text{Softmax}(\text{MLP}([c,\bar{h}^{sp},\bar{h}^{se},|\bar{h}^{sp}-\bar{h}^{se}|]))ϕ=Softmax(MLP([c,hˉsp,hˉse,∣hˉsp−hˉse∣]))计算交叉更新权重，hsp←hsp+ϕ1hseh^{sp}\leftarrow h^{sp}+\phi_1 h^{se}hsp←hsp+ϕ1hse，hse←hse+ϕ2hsph^{se}\leftarrow h^{se}+\phi_2 h^{sp}hse←hse+ϕ2hsp，实现受控双向信息交换。（3）自适应融合：融合系数λ=σ(ffusion(s))\lambda=\sigma(f_{\text{fusion}}(s))λ=σ(ffusion(s))（sigmoid投影坐标），hfuse=λhˉsp+(1−λ)hˉseh^{\text{fuse}}=\lambda \bar{h}^{sp}+(1-\lambda)\bar{h}^{se}hfuse=λhˉsp+(1−λ)hˉse，逐点自适应平衡空间与语义贡献，经额外DiT块生成最终表达。
（三）多模态特征构建。图像嵌入通过UNI和CONCH提取，经注意力池化和MLP映射。基因嵌入：表达计数经MLP得hcounth^{count}hcount；GO增强嵌入中，用信息含量（IC）和最低公共祖先（LCA）计算GO术语相似度，匈牙利算法对齐基因间GO术语集，构建加权基因图，GNN生成hcorrh^{corr}hcorr，两者求和得联合嵌入。
三、总结
PSSD是一个基于条件流匹配的渐进式空间-语义解耦框架，通过将解耦机制嵌入到ODE积分路径的连续向量场中，在生成过程中逐步自适应地平衡空间连续性与功能异质性，使模型在功能异质区域抑制空间先验、在结构连贯区域强化空间先验。其核心创新在于：以流匹配的确定性线性轨迹为数学基底，通过三阶段渐进架构（共享编码→解耦双向门控→自适应融合）实现空间与语义信息的动态解耦与可控整合。PSSD在7个ST数据集上取得最优预测精度（PCC提升达12.3%），采样速度比扩散方法快约8倍，且基因特异性分析证明解耦机制捕获的是生物学驱动因素，为从组织病理学图像到空间转录组的高效、高保真推断提供了兼具精度与可扩展性的解决方案。
