标签
CellWorld 提出了一种面向空间转录组基础模型的潜空间预测预训练方法，预测掩蔽细胞的潜在表示，而非重建基因测量值。在多个留出数据集上，即使是小型变体也在所有基准测试上优于现有基线，表明扩展规模和广泛的生物多样性可以提高迁移能力。
COAST是一个上下文感知的差分学习框架，用于从H&E组织病理学图像预测空间基因表达，采用联合绝对和带符号差分回归来捕捉空间关系。
SpaCellAgent 是一个自进化的大语言模型多智能体框架，能够从自然语言查询自动执行端到端的时空轨迹分析，实现分析效率提升超过40%，同时保持专家级别的性能。
Arc Institute的PerturbSpace利用标准单细胞测序，可在一天内从多个样本中实现转录组、位置、CRISPR向导、克隆关系及表面蛋白的高通量单细胞分析。
PerturbSpace 是一种空间转录组学方法，通过将组织切片压到带有条形码微孔的芯片上，利用抗体为细胞标记位置编码，再进行单细胞测序，实现超过90%的可靠空间定位。
加州大学伯克利分校机器学习团队（ML@B）与 LatchBio 合作，对其 AI 智能体在空间转录组工作流程中的性能进行了基准测试，评估其自动化复杂生物信息学任务的能力。