Newest papers

Spatially Informed and Direction Sensitive Representation Learning for Spatial Transcriptomics

Azim Dehghani Amirabad, Ali Khodabandeh Yalabadi, Artem Moskalev, Yun-Ching Chen, Mehdi Pirooznia, Scott Oloff, Rui Liao · 2026 · arXiv

DOI: 10.48550/arXiv.2610.28579 · open-access PDF

Russian

Пространственная транскриптомия делает этот контекст измеримым, но эффективное обучение представлению требует захвата как пространственно информативных молекулярных сигналов, так и межклеточной организации. Существующие подходы решают эти проблемы только частично: обычный отбор генов может игнорировать пространственно структурированные сигналы, в то время как методы кодирования клеточно-клеточных отношений часто либо уменьшают микросреду клетки на близость, отбрасывая направление, либо полагаются на абс.

Machine translation (Meta M2M100); the English original follows.

Abstract

Cellular states are shaped by both intrinsic gene expression programs and the spatial microenvironment in which cells reside. Spatial transcriptomics makes this context measurable, but effective representation learning requires capturing both spatially informative molecular signals and intercellular organization. Existing approaches address these challenges only partially: conventional gene selection can overlook spatially structured signals, while methods for encoding cell-cell relationships often either reduce a cell's microenvironment to proximity alone, discarding direction, or rely on abs

Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese

Sources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange