HEST-1k: A Dataset for Spatial Transcriptomics and Histology Image Analysis

Spatial transcriptomics enables interrogating the molecular composition of tissue with ever-increasing resolution and sensitivity. However, costs, rapidly evolving technology, and lack of standards have constrained computational methods in ST to narrow tasks and small cohorts. In addition, the underlying tissue morphology, as reflected by H&E-stained whole slide images (WSIs), encodes rich information often overlooked in ST studies. Here, we introduce HEST-1k, a collection of 1,229 spatial transcriptomic profiles, each linked to a WSI and extensive metadata. HEST-1k was assembled from 153 public and internal cohorts encompassing 26 organs, two species (Homo Sapiens and Mus Musculus), and 367 cancer samples from 25 cancer types. HEST-1k processing enabled the identification of 2.1 million expression--morphology pairs and over 76 million nuclei. To support its development, we additionally introduce the HEST-Library, a Python package designed to perform a range of actions with HEST samples. We test HEST-1k and Library on three use cases: (1) benchmarking foundation models for pathology (HEST-Benchmark), (2) biomarker exploration, and (3) multimodal representation learning. HEST-1k, HEST-Library, and HEST-Benchmark can be freely accessed at https://github.com/mahmoodlab/hest.

한 줄 요약

HEST-1k는 1,229개의 공간 전사체 프로파일과 H&E 염색 조직 이미지를 결합한 대규모 다중 모달 데이터셋이다.

핵심 기여도

1,229개의 공간 전사체 프로파일과 H&E 염색 조직 이미지(WSI)를 결합한 HEST-1k 데이터셋 구축.
2.1백만 개의 표현-형태학 쌍과 7,600만 개 이상의 세포 핵 식별.
HEST-Library라는 파이썬 패키지를 통해 데이터셋 처리 및 새로운 샘플 통합 지원.
HEST-Benchmark를 통해 병리학 기초 모델의 성능 평가를 위한 9개의 태스크 제공.

핵심 아이디어

HEST-1k는 공간 전사체 데이터와 H&E 염색 조직 이미지를 결합하여, 유전자 표현과 조직 형태학 간의 상호작용을 분석할 수 있는 기반을 제공한다. 기존 연구에서는 공간 전사체 데이터가 협소한 샘플 수와 비용 문제로 인해 제한적이었으며, 조직 형태학 정보는 대부분 무시되었다. HEST-1k는 이러한 한계를 극복하기 위해 26개 기관, 25개 암 유형, 2종의 종(인간과 쥐)을 포함한 대규모 샘플을 통합했다. 특히, 2.1백만 개의 표현-형태학 쌍은 유전자 조절 패턴과 형태학적 변화(예: 핵 모양) 간의 연관성을 탐색하는 데 유용하다.

기술적 접근법

**HEST-1k 데이터셋**: 153개의 공개 및 내부 코호트에서 1,229개 샘플을 수집.
**HEST-Library**: 파이썬 기반 패키지로, HEST-1k 샘플 처리 및 새로운 샘플 통합 기능 제공.
**HEST-Benchmark**: 9개 태스크(8개 암 유형, 9개 기관)로 구성된 병리학 기초 모델 평가 벤치마크.
**표현-형태학 쌍 추출**: 7,600만 개 이상의 세포 핵 식별을 통해 유전자 표현과 형태학 정보를 결합.

주요 결과

**HEST-Benchmark**: 11개의 최신 기초 모델을 사용하여 9개 태스크에서 유전자 표현 예측 성능 평가.
**표현-형태학 쌍**: 2.1백만 개의 쌍을 통해 유전자 조절 패턴과 형태학적 변화 간 연관성 분석 가능.
**다중 모달 학습**: HEST-1k를 기반으로 병리학 이미지와 전사체 정보를 결합한 표현 학습 가능.

의의 및 한계

HEST-1k는 공간 전사체와 조직 이미지를 결합한 대규모 데이터셋으로, 병리학 및 생물학적 연구에서 유전자 표현과 형태학 간의 상호작용을 분석하는 데 중요한 기반 자료가 된다. 특히, 기초 모델 평가와 다중 모달 학습에 활용 가능하다는 점에서 학술적·실용적 가치가 크다. 그러나 공간 전사체 데이터의 고유한 노이즈와 샘플 간 배치 효과(batch effect)는 데이터 품질에 영향을 줄 수 있으며, HEST-Library는 모든 데이터 포맷을 지원하지는 않는다.

실용적 활용

HEST-1k는 암 연구에서 병리학 이미지와 유전자 표현을 결합한 생물표지자 탐색에 활용 가능하다. 또한, 병리학 기초 모델의 성능 평가 및 다중 모달 학습 연구에 널리 사용될 수 있다. 특히, 25개 암 유형과 26개 기관을 포함한 데이터는 의료 AI 개발 및 전이 학습 연구에 기여할 수 있다.