AI এবং বিশ্বের কঠিন সমস্যাগুলো · জীবনবিজ্ঞান · arXiv · 2026-10-21

স্পেশাল ট্রান্সক্রিপ্টোমিক্সের জন্য স্থানিক-তথ্যভিত্তিক ও দিক-সংবেদনশীল রিপ্রেজেন্টেশন লার্নিং

মূল শিরোনাম: Spatially Informed and Direction Sensitive Representation Learning for Spatial Transcriptomics

কোষের অবস্থা জিন এক্সপ্রেশন প্রোগ্রাম এবং স্থানিক মাইক্রোএনভায়রনমেন্ট উভয়ের দ্বারাই গঠিত হয়, কিন্তু বিদ্যমান পদ্ধতিগুলো স্থানিকভাবে কাঠামোবদ্ধ সংকেত উপেক্ষা করতে পারে বা একটি কোষের পারিপার্শ্বিকতাকে কেবল নৈকট্যে সীমিত করে দিক তথ্য বাদ দিতে পারে। গবেষণাটি Tessera নামক একটি স্থানিক রিপ্রেজেন্টেশন লার্নিং ফ্রেমওয়ার্ক উপস্থাপন করে, যা স্থানিক তথ্যসম্মত জিন নির্বাচনের সঙ্গে আপেক্ষিক কোষ-কোষ সম্পর্ক মডেল করে এমন একটি জ্যামিতিক ইনডাকটিভ বায়াস একত্রিত করে এবং দিক সংরক্ষণ করার পাশাপাশি ট্রান্সলেশন-ইনভ্যারিয়েন্ট থাকে। হেল্ড-আউট টিস্যু ও প্রযুক্তিজুড়ে Tessera রিপ্রেজেন্টেশনের মানের দিক থেকে বিদ্যমান স্থানিক ফাউন্ডেশন মডেলগুলোকে ছাড়িয়ে যায় এবং প্রশিক্ষণে দেখা প্রসঙ্গের চেয়ে 16 গুণ পর্যন্ত বড় প্রসঙ্গে zero-shot সাধারণীকরণ করে।

মূল লেখা পড়ুন ↗

সব আইটেম →