AIが解く世界の難問 · 生命科学 · arXiv · 2026-10-21
空間トランスクリプトミクスのための空間情報に基づく方向感度のある表現学習
原題: Spatially Informed and Direction Sensitive Representation Learning for Spatial Transcriptomics
細胞の状態は内在的な遺伝子発現プログラムと細胞が置かれた空間的マイクロ環境の両方に形づくられるが、従来手法では空間的に構造化されたシグナルの見落としや、細胞間関係を近接のみに還元して方向を捨てる問題があった。研究ではTesseraと名付けた空間表現学習フレームワークを提案し、空間情報に基づく遺伝子選択と、各細胞を局所組織環境の中に位置づける幾何学的帰納バイアスを組み合わせ、相対的な細胞間関係を平行移動不変のまま方向を保ってモデル化する。除外した組織や技術での評価で既存の空間基盤モデルより表現品質が優れ、学習時より最大16倍大きい文脈へゼロショットで一般化した。