본 논문은 조직 절편 내 유전자 발현 프로파일을 측정하는 기술인 Spatial Transcriptomics (ST)의 고비용 문제를 해결하기 위해, 조직 슬라이드 이미지로부터 공간적으로 분해된 유전자 발현을 예측하는 새로운 듀얼 패스 지식 증강 대조 정렬 네트워크(DKAN)를 제안합니다. DKAN은 조직병리학적 이미지와 유전자 발현 프로파일을 통합하여 생물학적 지식을 활용하며, 특히 외부 유전자 데이터베이스를 활용한 유전자 의미 표현 모듈을 통해 유전자 발현 예측을 향상시킵니다. 또한, 단일 단계 대조 학습 패러다임과 동적 교차 모달 조정자를 활용한 듀얼 패스 대조 정렬 모듈을 통해 기존 방법론의 한계를 극복하고자 합니다. 3개의 공개 ST 데이터셋을 사용한 실험 결과, DKAN은 기존 최고 성능 모델보다 우수한 성능을 보였습니다.
