用于空间转录组学数据分类的图神经算子

空间转录组学的诞生通过对位置背景的解析，增进了对组织架构的理解，并厘清了复杂的底层生物、生理及病理过程。近来，这些背景乃至该领域因图学习方法的引入而展现出巨大潜力与新的阐释。特别地，神经算子在学习无限维函数空间之间映射方面迅速兴起。由于从基础到深度的神经网络架构均为数据驱动，即依赖高质量数据进行预测，神经算子通过在不同分辨率间提供泛化能力，即便面对低质量数据也具备鲁棒性。图神经算子是利用图网络学习函数空间之间映射的一个变体。本研究旨在识别能够整合空间信息以预测组织类型的鲁棒机器学习架构。基于此，我们提出一项研究，结合多种图神经网络方法来验证将神经算子应用于小鼠脑组织样本脑区预测的有效性，作为面向该目标的概念验证。我们实现的图神经算子方法 F1 分数接近 72%，优于所有基线及其它图网络方法。