L'IA face aux grands problèmes du monde · Sciences du vivant · Nature (machine learning) · 2026-10-05
CellART : un cadre unifié pour extraire des informations à l'échelle de la cellule unique à partir de la transcriptomique spatiale à haute résolution
Titre original: CellART: a unified framework for extracting single-cell information from high-resolution spatial transcriptomics
Les plateformes de transcriptomique spatiale à haute résolution capturent soit un faible nombre de transcrits par spot, soit ne mesurent qu'un nombre limité de gènes, ce qui rend difficile l'extraction d'informations à l'échelle de la cellule unique. CellART combine des images de coloration, des données de transcriptomique spatiale et des références de RNA-seq en cellule unique, en utilisant l'apprentissage profond et la modélisation probabiliste pour segmenter les cellules et annoter simultanément les types cellulaires. Les auteurs indiquent qu'il est efficace, généralisable et robuste, et que ses résultats sont compatibles avec des outils communautaires largement utilisés.