我们建立类似于下面的GitHub项目：
结合组织学图像的空间转录组分析（Spatial Transcriptome Analysis with Histology Images）是一项创新且高度精确的生物学技术，旨在将传统的组织学图像与空间转录组数据相结合，以全面揭示基因表达在组织内部的空间分布。传统的转录组分析通常通过提取组织样本中的整体基因表达数据，忽略了基因在组织内不同位置的分布情况。然而，基因的表达不仅仅是一个动态的生物过程，其空间组织也对其功能和相互作用产生至关重要的影响。空间转录组分析通过在组织切片的特定位置上捕捉基因表达的细节，弥补了这一不足，能为研究者提供更为丰富的信息。
在这一方法中，组织学图像为空间转录组数据提供了组织结构和细胞位置的背景信息。这些图像是通过常规组织染色或其他显微技术获得的，能够精确地显示出细胞、组织层次以及不同区域的解剖结构。与此同时，空间转录组技术通过高通量测序或其他先进技术，能够在同一组织样本中识别并定量每个空间位置的基因表达情况。通过这两者的结合，研究者可以在组织切片上绘制出具有空间分辨率的基因表达图谱，从而精确地映射出不同区域的基因活动。
这种技术的优势在于，它不仅能够揭示基因表达的动态变化，还能够展示基因表达与组织结构之间的密切联系。借助空间转录组分析，我们能够更加深入地理解细胞间的相互作用，探索不同细胞群体在组织中扮演的角色，并研究它们在生理、病理过程中的变化。特别是在肿瘤学领域，空间转录组分析可以帮助揭示肿瘤微环境中的复杂性，识别肿瘤细胞与免疫细胞、血管等其他细胞之间的交互关系，有助于开发更为精准的治疗策略。
总体来说，结合组织学图像的空间转录组分析技术为研究者们提供了一个强大的工具，帮助他们在空间和分子层面上揭示生物学问题的深层机制，推动疾病的早期诊断、精准治疗以及新药的研发。这一技术在未来的医学和生物学研究中，尤其是个性化医疗和精准医学领域，具有极为广泛的应用前景。
我们创建这个项目的目的是汇集和整理各种高质量的空间转录组与组织学图像相关的研究论文，为科研人员提供一个便捷的平台，帮助他们快速查阅和获取领域内的最新研究成果和技术进展。通过集中展示这些高质量的论文，它支持研究人员深入了解空间转录组学及其在生物医学领域中的应用，推动相关领域的科研创新与发展。
| Year | Title | Venue | Paper | Code |
|---|---|---|---|---|
| 2023 | Cell composition inference and identification of layerspecific spatial transcriptional profiles with POLARIS | SCIENCE ADVANCES | Link | Link |
| 2024 | Accurate Spatial Gene Expression Prediction by Integrating Multi-Resolution Features | CVPR | Link | - |
| 2024 | Boundary-Guided Learning for Gene Expression Prediction in Spatial Transcriptomics | PREPRINT | Link | - |
| 2024 | Evaluating Deep Regression Models for WSI-Based Gene-Expression Prediction | PREPRINT | Link | Link |
| 2024 | STimage-1K4M: A histopathology image-gene expression dataset for spatial transcriptomics | NIPS | Link | Link |
| 2024 | HEST-1k: A Dataset for Spatial Transcriptomics and Histology Image Analysis | NIPS | Link | Link |
| 2024 | ASIGN: An Anatomy-aware Spatial Imputation Graphic Network for 3D Spatial Transcriptomics | PREPRINT | Link | Link |
| 2024 | HistoSPACE: Histology-inspired spatial transcriptome prediction and characterization engine | Methods | Link | - |
