말

HEST-Library: 공간전사체학 및 조직병리학 결합

HEST-1k 데이터 세트를 쿼리하고 수집하도록 설계되었습니다.

[arXiv | 데이터 | 문서 | 튜토리얼 | 인용 ]

"HEST-1k: 공간 전사체학 및 조직학 이미지 분석을 위한 데이터 세트", NeurIPS Spotlight, 2024 에 소개된 HEST-Library의 공식 GitHub 저장소에 오신 것을 환영합니다. 이 프로젝트는 하버드 의과대학과 브리검 여성병원의 마흐무드 연구소(Mahmood Lab)에서 개발했습니다.

이 저장소는 무엇을 제공합니까?

• HEST-1k: HE 염색 전체 슬라이드 이미지가 포함된 1,229개의 Spatial Transcriptomics 샘플 쌍으로 구성된 데이터세트인 HEST-1K 에 대한 무료 액세스

• HEST-Library: 새로운 ST 샘플(ST, Visium, Visium HD, Xenium)을 조립하고 HEST-1k(ST 분석, 배치 효과 시각화 및 수정 등) 작업을 위한 일련의 도우미입니다.

• HEST-벤치마크: 형태학으로부터 유전자 발현을 예측할 때 조직학 기반 모델의 예측 성능을 평가하기 위한 새로운 벤치마크

HEST-1k, HEST-Library 및 HEST-Benchmark는 Attribution-NonCommercial-ShareAlike 4.0 International 라이센스에 따라 릴리스됩니다.

업데이트

• 21.10.24 : HEST가 NeurIPS 2024에 Spotlight로 선정되었습니다! 우리는 12월 10일부터 15일까지 밴쿠버에 있을 예정입니다. HEST에 대해 더 자세히 알고 싶으시면 메시지를 보내주세요([email protected]).

• 23.09.24 : Xenium 27개, Visium HD 7개 등 121개의 새로운 샘플 출시! 또한 정렬된 Xenium 전사체 + 정렬된 DAPI 분할 세포/핵을 공개합니다.

• 30.08.24 : HEST-Benchmark 결과가 업데이트되었습니다. H-Optimus-0, Virchow 2, Virchow 및 GigaPath가 포함됩니다. 4개의 Xenium 샘플을 기반으로 한 새로운 COAD 작업. HuggingFace 벤치 데이터가 업데이트되었습니다.

• 28.08.24 : 일괄 효과 시각화 및 수정을 위한 새로운 도우미 세트입니다. 여기에 튜토리얼이 있습니다.

HEST-1k(>1TB) 다운로드/쿼리

HEST-1k를 다운로드/쿼리하려면 1-Downloading-HEST-1k.ipynb 튜토리얼을 따르거나 Hugging Face의 지침을 따르십시오.

참고: 전체 데이터 세트의 무게는 1TB가 넘지만 ID, 기관, 종별로 쿼리하여 하위 세트를 쉽게 다운로드할 수 있습니다.

HEST-라이브러리 설치

git clone https://github.com/mahmoodlab/HEST.git
cd HEST
conda create -n "hest" python=3.9
conda activate hest
pip install -e .

추가 종속성(WSI 조작용):

sudo apt install libvips libvips-dev openslide-tools

추가 종속성(GPU 가속):

컴퓨터에서 GPU를 사용할 수 있는 경우 conda 환경에 cucim을 설치하는 것이 좋습니다. (hest는 cucim-cu12==24.4.0 및 CUDA 12.1 로 테스트되었습니다)

pip install 
    --extra-index-url=https://pypi.nvidia.com 
    cudf-cu12==24.6.* dask-cudf-cu12==24.6.* cucim-cu12==24.6.* 
    raft-dask-cu12==24.6.*

참고: HEST-Library는 Linux/macOS 시스템에서만 테스트되었습니다. GitHub 문제에 버그가 있으면 보고해 주세요.

HEST-Library로 HEST-1k 검사

그런 다음 데이터 세트를 다음과 같이 간단히 볼 수 있습니다.

 hest import iter_hestfor st in iter_hest('../hest_data', id_list=['TENX95']):print(st)

HEST-라이브러리 API

HEST-Library를 사용하면 HEST 형식을 사용하여 새로운 샘플을 수집 하고 HEST-1k와 상호 작용할 수 있습니다. 우리는 두 가지 튜토리얼을 제공합니다:

• 2-Interacting-with-HEST-1k.ipynb: 패치 로드를 위해 HEST 데이터를 가지고 놀아봅니다. 각 스캔 개체에 대한 자세한 설명이 포함되어 있습니다.

• 3-Assembling-HEST-Data.ipynb: Visum 샘플을 HEST로 변환하는 연습입니다.

• 5-Batch-효과-visualization.ipynb: 배치 효과 시각화 및 수정(MNN, Harmony, ComBat).

또한 우리는 완전한 문서를 제공합니다.

HEST-벤치마크

HEST-벤치마크는 새롭고 다양하며 도전적인 벤치마크 하에서 병리학에 대한 11가지 기초 모델을 평가하도록 설계되었습니다. HEST-Benchmark에는 9가지 다른 기관과 8가지 암 유형의 형태(0.5um/px에서 112 x 112um 영역)를 통한 유전자 발현 예측(가변성이 높은 유전자 50개)을 위한 9가지 작업이 포함되어 있습니다. HEST-Benchmark를 실행하고 결과를 4-Running-HEST-Benchmark.ipynb에 재현하는 단계별 튜토리얼을 제공합니다.

HEST-벤치마크 결과 (08.30.24)

HEST-Benchmark는 공개적으로 사용 가능한 11개 모델을 평가하는 데 사용되었습니다. 보고된 결과는 PCA(256개 요인)를 사용한 능형 회귀 분석을 기반으로 합니다. 능선 회귀는 임베딩 치수가 더 큰 모델에 부당하게 불이익을 줍니다. 모델 간 공정하고 객관적인 비교를 보장하기 위해 PCA 감소를 선택했습니다. Pearson 상관관계를 통해 측정된 모델 성능. 최고는 굵은 글씨 로, 두 번째는 밑줄이 그어져 있습니다. Random Forest 및 XGBoost 회귀를 기반으로 한 추가 결과가 논문에 제공됩니다.

모델	IDC	프라드	PAAD	SKCM	COAD	읽다	ccRCC	루아드	림프 IDC	평균
Resnet50	0.4741	0.3075	0.3889	0.4822	0.2528	0.0812	0.2231	0.4917	0.2322	0.326
CTransPath	0.511	0.3427	0.4378	0.5106	0.2285	0.11	0.2279	0.4985	0.2353	0.3447
피콘	0.5327	0.342	0.4432	0.5355	0.2585	0.1517	0.2423	0.5468	0.2373	0.3656
조가비	0.5363	0.3548	0.4475	0.5791	0.2533	0.1674	0.2179	0.5312	0.2507	0.3709
구제책	0.529	0.3471	0.4644	0.5818	0.2856	0.1145	0.2647	0.5336	0.2473	0.3742
기가패스	0.5508	0.3708	0.4768	0.5538	0.301	0.186	0.2391	0.5399	0.2493	0.3853
유니	0.5702	0.314	0.4764	0.6254	0.263	0.1762	0.2427	0.5511	0.2565	0.3862
비르호프	0.5702	0.3309	0.4875	0.6088	0.311	2019년 0월	0.2637	0.5459	0.2594	0.3977
Virchow2	0.5922	0.3465	0.4661	0.6174	0.2578	0.2084	0.2788	0.5605	0.2582	0.3984
UNIv1.5	0.5989	0.3645	0.4902	0.6401	0.2925	0.2240	0.2522	0.5586	0.2597	0.4090
Hoptimus0	0.5982	0.385	0.4932	0.6432	0.2991	0.2292	0.2654	0.5582	0.2595	0.4146

자신의 모델 벤치마킹

4-Running-HEST-Benchmark.ipynb의 튜토리얼은 HEST-Benchmark에서 자신의 모델을 벤치마킹하는 데 관심이 있는 사용자를 안내합니다.

참고: 커뮤니티의 연구자가 새로운 모델을 포함하려는 경우 자발적인 기여가 권장됩니다. 그렇게 하려면 간단히 Pull Request를 생성하면 됩니다.

문제

• 선호되는 통신 모드는 GitHub 문제를 통한 것입니다.

• GitHub 문제가 부적절한 경우 [email protected] (및 참조 [email protected] )로 이메일을 보내세요.

• 사소한 문제에 대해서는 즉각적인 대응이 불가능할 수 있습니다.

소환

귀하의 연구에 우리의 연구가 유용하다고 생각되면 다음을 인용해 보십시오.

Jaume, G., Doucet, P., Song, AH, Lu, MY, Almagro-Perez, C., Wagner, SJ, Vaidya, AJ, Chen, RJ, Williamson, DFK, Kim, A., & Mahmood, F HEST-1k: 공간 전사체학 및 조직학 이미지 분석을 위한 데이터 세트. 신경 정보 처리 시스템의 발전 , 2024년 12월.

@inproceedings{jaume2024hest,
    author = {Guillaume Jaume and Paul Doucet and Andrew H. Song and Ming Y. Lu and Cristina Almagro-Perez and Sophia J. Wagner and Anurag J. Vaidya and Richard J. Chen and Drew F. K. Williamson and Ahrong Kim and Faisal Mahmood},
    title = {HEST-1k: A Dataset for Spatial Transcriptomics and Histology Image Analysis},
    booktitle = {Advances in Neural Information Processing Systems},
    year = {2024},
    month = dec,
}