DeepSpot

从病理切片直接预测基因表达,省去昂贵测序。

DeepSpot 是一个基于深度学习的开源模型,用于从 H&E 组织病理学图像预测空间转录组。它支持 Visium 的 spot 级别和 Xenium 的单细胞级别分辨率,解决传统空间转录组测序成本高、技术门槛高的问题,让研究人员仅凭常规病理切片即可推断基因表达的空间分布。核心能力包括多分辨率预测、与现有病理图像分析流程兼容,以及提供预训练模型和推理代码。项目处于早期阶段,代码以 Jupyter Notebook 形式提供,便于复现和二次开发。

开源 free 开源模型
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 101
维护状态 较活跃
是否开源
定价模式 free

项目数据

分类开源模型
开发团队ratschlab
所属国家
定价模式free
价格说明开源模型,MIT许可证,完全免费,需自行部署使用。
访问状态
是否开源
开源协议MIT
主要语言Jupyter Notebook
技术栈/模型bioinformatics,cancer-research,computational-pathology,deep-learning,digital-pathology,foundation-models,gene-expression,histopathology,machine-learning,pathology,pytorch,single-cell,spatial-biology,spatial-transcriptomics,visium,xenium
GitHub 星标★ 101
30天Star增速
HF 下载量
上线时间2024-09-23 00:00:00
最近更新2026-09-22 00:00:00
维护状态较活跃
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数3

使用教程

核心亮点

  • 支持两种主流空间转录组平台(Visium 和 Xenium),覆盖不同分辨率需求
  • 基于 H&E 图像,无需额外实验即可获得空间表达信息,降低成本
  • 提供预训练模型和 Notebook 示例,上手门槛低

不足之处

  • 项目处于早期,文档和社区支持有限
  • 模型泛化能力未在多样本上充分验证

适用场景

  • 科研人员利用现有病理切片探索肿瘤微环境中的基因表达
  • 临床样本回顾性分析,无需重新测序即可获取空间转录组信息
  • 药物研发中快速评估组织样本的基因表达特征

替代项目

ST-Net、HisToGene、SpaceFlow

项目介绍

DeepSpot 是行业应用领域的开源项目,由 ratschlab 开发,2024 年首次发布。

它收录于行业应用分类,该分类目前共有 544 个项目,GitHub 星标数为 101。

项目保持着较活跃的维护节奏,最近一次代码更新于 2026-09-22。MIT许可证,完全免费,需自行部署使用。

它主要面向的使用场景是:科研人员利用现有病理切片探索肿瘤微环境中的基因表达。同类可对比的替代方案包括 ST-Net、HisToGene、SpaceFlow。

上一篇:sulie

下一篇:DL-Foundation-Models-Weather

同类项目推荐

xmgai-like 开源

换脸、艺术二维码随手玩,副业灵感一包带走。

本开源 AI 副业搞钱项目集成了强大功能,包括 AI 艺术二维码生成、AI 换脸、Delle3 绘画等···

★ 60 2026-08-09
spoken-to-signed-translation 开源

把口语文本一路转成手语视频的流水线

a text-to-gloss-to-pose-to-video pipeline for spoken to signed language translation

★ 102 2026-09-11
LiveTranslate 开源

直播看片实时翻译,字幕秒出,跨语言无压力

Real-time audio translation, captures system audio + mic, runs ASR (Whisper/SenseVoi···

★ 691 2026-08-13