AI dan Masalah-Masalah Sulit Dunia · Ilmu hayat · arXiv · 2026-10-21
Pembelajaran Representasi Terinformasi Spasial dan Sensitif Arah untuk Transkriptomik Spasial
Judul asli: Spatially Informed and Direction Sensitive Representation Learning for Spatial Transcriptomics
Keadaan sel dibentuk oleh program ekspresi gen maupun mikrolingkungan spasial, tetapi metode yang ada dapat mengabaikan sinyal yang terstruktur secara spasial atau mereduksi lingkungan sekitar sel menjadi sekadar kedekatan dan membuang arah. Studi ini memperkenalkan Tessera, sebuah kerangka pembelajaran representasi spasial yang menggabungkan pemilihan gen berbasis informasi spasial dengan bias induktif geometris yang memodelkan hubungan relatif antarsel, tetap invarian terhadap translasi sambil mempertahankan arah. Pada berbagai jaringan dan teknologi yang di-hold-out, Tessera mengungguli model fondasi spasial yang ada dalam kualitas representasi dan tergeneralisasi zero-shot ke konteks hingga 16 kali lebih besar daripada yang terlihat saat pelatihan.