IA e os Problemas Difíceis do Mundo · Ciências da vida · arXiv · 2026-10-21
Aprendizado de Representação Espacialmente Informado e Sensível à Direção para Transcriptômica Espacial
Título original: Spatially Informed and Direction Sensitive Representation Learning for Spatial Transcriptomics
Os estados celulares são moldados tanto por programas de expressão gênica quanto pelo microambiente espacial, mas os métodos existentes podem ignorar sinais estruturados espacialmente ou reduzir o entorno de uma célula apenas à proximidade, descartando a direção. O estudo apresenta a Tessera, uma estrutura de aprendizado de representação espacial que combina a seleção de genes informada espacialmente com um viés indutivo geométrico que modela relações relativas entre células, permanecendo invariante a translações enquanto preserva a direção. Em tecidos e tecnologias held-out, a Tessera supera os modelos de fundação espaciais existentes em qualidade de representação e generaliza zero-shot para contextos até 16 vezes maiores do que aqueles vistos no treinamento.