空间转录组学技术STAIG利用深度学习整合基因表达与组织图像，克服传统方法局限，有效识别空间区域，揭示肿瘤微环境细节，推动生物系统理解。

该研究提出了一种新颖的图神经网络模型，旨在提升单细胞RNA测序在肿瘤微环境中对细胞异质性的研究。该模型显著提高了细胞类型预测和细胞间相互作用分析的准确性，平均准确率达到84.83%。

本文介绍了一个新的计算病理学数据集，包含头颈鳞癌患者的数字化图像，展示了染色方法的等效性。研究提出了建模肿瘤微环境对药物效应影响的方法，并验证了其优越性能。此外，介绍了基于光学相干断层扫描的影像系统，标志着组织筛选领域的重大进展，具有潜在的药物研发应用。

腾讯AI Lab的3篇蛋白质组论文入选国际顶级期刊，提出了新的研究方案，为蛋白质组数据分析和了解肿瘤微环境打下基础。其中包括建立全球最大的单细胞蛋白质数据库，提出精确检测算法，以及剖析特定细胞类型的安排结构。腾讯AI Lab在生命科学领域有丰富的知识和技能积累，并将AI能力应用于多个场景。

本研究提出了Patch-GCN算法，用于预测肿瘤微环境的拓扑结构和患者生存预后。通过4,370张WSIs验证，Patch-GCN在5种癌症类型中表现优于之前的弱监督方法。