arXiv cs.AI· Azim Dehghani Amirabad, Ali Khodabandeh Yalabadi, Artem Moskalev, Yun-Ching Chen, Mehdi Pirooznia, Scott Oloff, Rui Liao·· 1 天前AI 评分26
Tessera：面向空间转录组学的空间感知与方向敏感表示学习方法
Spatially Informed and Direction Sensitive Representation Learning for Spatial Transcriptomics
AI 导读
研究者提出空间表示学习框架 Tessera，将空间感知的基因选择与建模相对细胞关系的几何归纳偏置相结合，在保留方向信息的同时保持平移不变性。在held-out组织与技术平台上，Tessera 在表示质量上超越现有空间基础模型，并可零样本泛化到比训练时大最多 16 倍的上下文。该工作已被 NeurIPS 2026 AI4DD workshop 接收。
来源：arXiv cs.AI · arxiv.org