跨尺度對比學習解讀空間組學細胞嵌入
細胞的功能角色由其分子身份與空間環境的複雜交互決定,但現有空間建模往往掩蓋這層關係。新計算方法DECIPHER以跨尺度對比學習解纏兩者,可高效處理大規模異質空間組學數據。
解纏細胞表徵
DECIPHER採用新穎的跨尺度對比學習策略,把細胞的胞內與胞外表徵進行解纏表示,令跨尺度的細胞–環境互作得以清晰描繪,更準確地反映細胞的真實功能角色。


IXThinker 會員內容
呢篇係 Archive 內容。登入即可解鎖全文,仲有成個 15,000+ 篇、每日更新嘅 AI 動態資料庫。
免費登入/註冊解鎖全文 →Google 或電郵地址即可,即刻解鎖。
