이 연구는 조직 병리 이미지에서 직접 다중 단백질 발현 프로필을 생성하는 딥러닝 모델인 HistoPlexer를 소개합니다. HistoPlexer는 비용이 많이 들고 시간이 오래 걸리며 조직 가용성이 제한적인 기존 기술의 한계를 해결하기 위해 표준 헤마톡실린 및 에오신(H&E) 염색 이미지에서 종양 및 면역 마커의 공간적으로 해상된 단백질 다중화를 예측합니다. 이 모델은 조건부 적대적 생성 아키텍처를 활용하며, 생성된 단백질 지도가 실제 지도와 유사하고 생물학적 관계를 보존하도록 맞춤형 손실 함수를 사용합니다. 광범위한 평가를 통해 HistoPlexer는 면역 표현형 분류 및 생존 예측에서 성능을 향상시키는 등 종양 미세 환경 특성화에 큰 잠재력을 가지고 있음을 입증했습니다. 이 기술은 정밀 종양학을 발전시키는 효율적이고 비용 효과적인 접근 방식을 제공합니다.