KI und die schwierigen Probleme der Welt · Lebenswissenschaften · Nature (machine learning) · 2026-10-05
CellART: ein einheitliches Framework zur Extraktion von Einzelzellinformationen aus hochauflösender räumlicher Transkriptomik
Originaltitel: CellART: a unified framework for extracting single-cell information from high-resolution spatial transcriptomics
Hochauflösende Plattformen für räumliche Transkriptomik erfassen entweder nur wenige Transkriptzahlen pro Spot oder messen nur eine begrenzte Zahl von Genen, was die Gewinnung von Einzelzellinformationen erschwert. CellART kombiniert Färbebilder, Daten der räumlichen Transkriptomik und Einzelzell-RNA-seq-Referenzen und nutzt Deep Learning sowie probabilistische Modellierung, um Zellen zu segmentieren und gleichzeitig Zelltypen zu annotieren. Die Autoren berichten, dass es effizient, verallgemeinerbar und robust ist und dass seine Ausgaben mit weit verbreiteten Community-Tools kompatibel sind.