PulseAugur
实时 19:39:30
English(EN) Geometry-First Generative Spatial Single-Cell Reconstruction

新的GEARS框架重建单细胞RNA测序的空间数据

研究人员开发了GEARS,一个新颖的、面向几何的框架,用于重建单细胞RNA测序(scRNA-seq)数据的空间信息。与依赖固定网格或细胞到斑点分配的先前方法不同,GEARS直接从ST数据中学习内在空间几何,而无需细胞类型标签或组织图像。该框架利用域不变表达编码器和具有基于扩散的精炼的置换等变生成器来生成局部空间几何。通过聚合多个细胞子集的预测并解决全局距离-几何问题,GEARS重建了标准的2D坐标和密集的距离矩阵,在距离保持和邻域保真度方面优于现有基线。 AI

排序理由 这是一篇研究论文,详细介绍了用于生物数据分析的新计算框架。[lever_c_research降级:ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新的GEARS框架重建单细胞RNA测序的空间数据

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Ehtesamul Azim, Muhtasim Noor Alif, Tae Hyun Hwang, Yanjie Fu, Wei Zhang ·

    几何优先生成式空间单细胞重建

    arXiv:2605.28200v1 Announce Type: new Abstract: Single-cell RNA sequencing (scRNA-seq) profiles large numbers of cells but loses spatial context, whereas spatial transcriptomics (ST) preserves partial spatial structure at lower resolution. Most existing integration methods either…