近日，深圳理工大学曹罡教授团队联合多个团队在国际知名期刊Genome Biology发表最新成果，推出了一款面向空间组学和分子病理的新型人工智能工具——U-FISH。该工具是全球首个集成大语言模型交互的FISH和空间组分析工具，在自动化、普适化信号识别及临床辅助诊断方面展现出显著优势。

论文上线截图

团队深耕钻研

突破图像解析瓶颈

在生命科学和临床诊断领域，荧光原位杂交（FISH）是广泛应用的重要技术和病理诊断的金标准之一。它能让研究人员在细胞中直接“看到”基因位置，帮助研究人员理解基因表达，也帮助医生识别遗传病和肿瘤的基因异常。然而，由于显微镜图像复杂、背景差异大，以往的分析依赖繁琐的参数调整，既费时又容易出错。这也成了该领域的研究难点之一。

为解决这一问题，曹罡教授团队以建立大规模且覆盖多种空间组学技术的图像数据集为切入点，开展了相关研究。达成初步目标，需要整合海量复杂的图像信息，工作量巨大；同时，还要构建一种合适的信号识别手段，使其既能实现精准识别，又能保证效率。

从实验室到诊疗台

U-FISH构建应用新范式

空间组、FISH自动AI识别

团队基于深度学习方法，首次建立了覆盖七种空间组学技术、超过160万个信号点的大规模图像数据集，并利用轻量化神经网络实现了自动化、普适化的信号识别。无论是二维还是三维图像，U-FISH都能快速、准确地检测出荧光信号点，对比现有方法存在显著优势。

更为重要的是，U-FISH不仅服务科研，还能辅助临床。在血液肿瘤患者的DNA-FISH检测中，它能自动判别染色体异常，结果与资深病理医生的人工分析高度一致，有望大幅减轻医生负担。

使用U-FISH进行对话交互

此外，U-FISH还提供了图形化界面和网页插件，让科研人员与医生只需“对话”即可完成图像识别和诊断，为后续学术界和临床应用提供坚实基础。这一成果不仅推动了空间组学数据的智能化分析，也为精准医学和远程诊断提供了新思路。

未来，深圳理工大学

将持续聚力创新突破

助力行业发展

彰显高校科研担当

书写更多科技创新新篇章

论文链接：https://genomebiology.biomedcentral.com/articles/10.1186/s13059-025-03736-x（点击下方“阅读原文”查看）

为SUAT点个赞和在看吧