AI与世界难题 · 生命科学 · arXiv · 2026-10-21
面向空间转录组学的空间信息感知与方向敏感表示学习
原标题: Spatially Informed and Direction Sensitive Representation Learning for Spatial Transcriptomics
细胞状态由基因表达程序和空间微环境共同塑造，但现有方法可能忽略具有空间结构的信号，或将细胞的周边环境简化为仅剩邻近性而丢弃方向信息。该研究提出了Tessera，这是一个空间表示学习框架，它将空间信息引导的基因选择与建模细胞间相对关系的几何归纳偏置相结合，在保留方向的同时保持平移不变性。在留出的组织和技术上，Tessera在表示质量方面优于现有空间基础模型，并能以零样本方式泛化到比训练中所见最多大16倍的情境。