AI और दुनिया की कठिन समस्याएँ · जीव विज्ञान · arXiv · 2026-10-21

स्पेशल ट्रांसक्रिप्टोमिक्स हेतु स्थानिक-सूचित और दिशा-संवेदी प्रतिनिधित्व लर्निंग

मूल शीर्षक: Spatially Informed and Direction Sensitive Representation Learning for Spatial Transcriptomics

कोशिकीय अवस्थाएं जीन एक्सप्रेशन प्रोग्राम और स्थानिक माइक्रोएन्वायरनमेंट दोनों से रूप लेती हैं, लेकिन मौजूदा तरीके स्थानिक रूप से संरचित सिग्नल की अनदेखी कर सकते हैं या किसी कोशिका के आसपास को केवल निकटता तक सीमित करके दिशा को छोड़ देते हैं। यह अध्ययन Tessera प्रस्तुत करता है — एक स्थानिक रिप्रेज़ेंटेशन लर्निंग फ़्रेमवर्क जो स्थानिक रूप से सूचित जीन चयन को सापेक्ष कोशिका-कोशिका संबंधों का मॉडल तैयार करने वाले ज्यामितीय इनडक्टिव बायस के साथ जोड़ता है और दिशा बनाए रखते हुए ट्रांसलेशन-इनवेरिएंट रहता है। होल्ड-आउट ऊतकों और तकनीकों पर Tessera रिप्रेज़ेंटेशन गुणवत्ता में मौजूदा स्थानिक फाउंडेशन मॉडलों से बेहतर प्रदर्शन करता है और ट्रेनिंग में देखे गए संदर्भों से 16 गुना तक बड़े संदर्भों पर ज़ीरो-शॉट सामान्यीकरण करता है।

मूल लेख पढ़ें ↗

सभी आइटम →