La IA y los problemas difíciles del mundo · Ciencias de la vida · arXiv · 2026-10-21
Aprendizaje de representaciones informado espacialmente y sensible a la dirección para transcriptómica espacial
Título original: Spatially Informed and Direction Sensitive Representation Learning for Spatial Transcriptomics
Los estados celulares están moldeados tanto por los programas de expresión génica como por el microambiente espacial, pero los métodos existentes pueden pasar por alto las señales con estructura espacial o reducir el entorno de una célula a la mera proximidad, descartando la dirección. El estudio presenta Tessera, un marco de aprendizaje de representaciones espaciales que combina una selección de genes informada por el espacio con un sesgo inductivo geométrico que modela las relaciones relativas entre células, permaneciendo invariante a la traslación mientras preserva la dirección. En tejidos y tecnologías no vistos durante el entrenamiento, Tessera supera a los modelos fundacionales espaciales existentes en calidad de representación y generaliza de forma zero-shot a contextos hasta 16 veces más grandes que los vistos en el entrenamiento.