Sophont 发布 Holon-S1：从病理切片直接预测基因表达

10 月 21 日，Sophont 团队发布病理 AI 平台 Holon-S1，可从常规 H&E 病理切片（绝大多数癌症患者诊断时已有）的数字化图像直接预测数千个基因的空间活性与生物标志物，无需缓慢昂贵的分子检测，目标是让更多患者的肿瘤在分子层面被解读，服务于个体化癌症治疗评估。

已确认

• Holon-S1 从 H&E 切片图像预测基因在组织各位置的空间表达，并映射到增殖、缺氧、细胞毒性、炎症等数十个生物程序
• 技术报告覆盖 16 种器官类型、15 种以上扫描仪，兼容 FFPE 与新鲜冷冻组织
• 在对照比较中，空间基因活性预测超过另外两个 2026 年模型：中位逐基因相关性对 DeepSpot-M 为 0.（帖中数字被截断）
• 模型强调可解释性：展示基因与生物过程在肿瘤上的空间映射，结论可供生物学研究者验证，而非黑盒评分
• 在模型未训练过的骨肉瘤病例上也验证有效
• Sophont 创始人表示团队已训练病理与神经基础模型一年，病理方向的工作现在已能支撑真实癌症研究

为什么重要

• 常规分子检测昂贵耗时，若切片图像即可推断基因表达与通路活性，可显著降低分子层面解读肿瘤的门槛，扩大个体化治疗评估的覆盖人群。

sourcerefs 对应原始发布者为 Sophont 团队发布（m3 技术细节最全，m5 补充骨肉瘤验证）。

2026-10-21 ~ 2026-10-21 · 6 条相关

• 【源头】Holon-S1 从病理切片直接预测基因表达，登多项对比领先 — iScienceLuvr · 2026-10-21
• 【源头】Holon-S1 从常规病理切片预测基因表达，未训练过的骨肉瘤病例也验证有效 — iScienceLuvr · 2026-10-21
• 【源头】Sophont 发布 Holon-S1：从病理切片直接预测空间基因表达 — iScienceLuvr · 2026-10-21
• Sophont:训练一年的病理基础模型已可用于真实癌症研究 — iScienceLuvr · 2026-10-21

另有 2 条近重复转述:humanscotti · iScienceLuvr