La IA y los problemas difíciles del mundo · Ciencias de la vida · Nature (machine learning) · 2026-10-05
CellART: un marco unificado para extraer información de células individuales a partir de transcriptómica espacial de alta resolución
Título original: CellART: a unified framework for extracting single-cell information from high-resolution spatial transcriptomics
Las plataformas de transcriptómica espacial de alta resolución capturan recuentos escasos de transcritos por punto o miden solo un número limitado de genes, lo que dificulta extraer información de células individuales. CellART combina imágenes de tinción, datos de transcriptómica espacial y referencias de RNA-seq de célula única, y emplea aprendizaje profundo y modelado probabilístico para segmentar células y anotar tipos celulares de forma simultánea. Los autores informan que es eficiente, generalizable y robusto, y que sus resultados son compatibles con herramientas comunitarias de uso extendido.