CASPER：基于空间和单细胞谱面的跨模态对齐以恢复表达
基因组学
2025-11-20 v1 人工智能
机器学习
摘要
空间转录组学使将基因表达映射到其原始组织背景成为可能，但当前平台由于实验限制和成本过高，只能测量有限的基因集合。为克服这一限制，计算模型整合单细胞RNA测序数据与空间转录组数据，以预测未测量的基因表达。我们提出了CASPER框架，利用单细胞RNA测序的质心级表示，通过跨注意力机制预测空间转录组中未测量的基因表达。我们在四个由最新空间转录组/单细胞RNA测序数据集对中进行了严格测试，覆盖四个现有基线模型。实验表明，CASPER在九个指标中均实现了显著改进。该工作为空间转录组向单细胞RNA测序的模态转换 paving the way。CASPER的代码已发布于https://github.com/AI4Med-Lab/CASPER。
引用
@article{arxiv.2511.15139,
title = {CASPER: Cross-modal Alignment of Spatial and single-cell Profiles for Expression Recovery},
author = {Amit Kumar and Maninder Kaur and Raghvendra Mall and Sukrit Gupta},
journal= {arXiv preprint arXiv:2511.15139},
year = {2025}
}