AI اور دنیا کے مشکل مسائل · حیاتیاتی علوم · arXiv · 2026-10-21

Spatial Transcriptomics کے لیے مقامی طور پر باخبر اور سمت حساس ریپریزنٹیشن لرننگ

اصل عنوان: Spatially Informed and Direction Sensitive Representation Learning for Spatial Transcriptomics

خلیاتی حالات جین ایکسپریشن پروگرامز اور خلااتی مائیکرو ماحول دونوں سے تشکیل پاتے ہیں، لیکن موجودہ طریقے خلااتی ساخت رکھنے والے سگنلز کو نظرانداز کر سکتے ہیں یا کسی خلیے کے گرد و پیش کو محض قربت تک محدود کر کے سمت کو ضائع کر دیتے ہیں۔ یہ مطالعہ Tessera پیش کرتا ہے، جو ایک خلااتی نمائندگی سیکھنے کا فریم ورک ہے جو خلااتی معلومات کی بنیاد پر جین کے انتخاب کو نسبتی خلیہ-خلیہ تعلقات کی ماڈلنگ کرنے والے جیومیٹرک انڈکٹو بائیاس کے ساتھ یکجا کرتا ہے اور سمت کو برقرار رکھتے ہوئے ٹرانسلیشن-انویرینٹ رہتا ہے۔ ہولڈ-آؤٹ ٹشوز اور ٹیکنالوجیز میں Tessera نمائندگی کے معیار میں موجودہ خلااتی فاؤنڈیشن ماڈلز سے بہتر کارکردگی دکھاتا ہے اور ٹریننگ میں دیکھے گئے سیاق و سباق سے 16 گنا تک بڑے سیاق و سباق پر زیرو-شاٹ جنرلائز کرتا ہے۔

اصل تحریر پڑھیں ↗

تمام آئٹمز →