ترنسکریپتومیکس فضایی به ما کمک می‌کند تا بفهمیم چگونه ژن‌ها در بافت‌های مختلف بدن بیان می‌شوند. با پیشرفت این فناوری، داده‌های بیشتری در دسترس داریم که به ما امکان می‌دهد تا بهتر بفهمیم سلول‌ها چگونه تصمیم می‌گیرند و در بیماری‌ها چه نقشی دارند.
وانگ و همکارانش مدل scGPT-spatial را معرفی کرده‌اند که بر اساس مدل قبلی scGPT ساخته شده است و برای داده‌های خاص ترنسکریپتومیکس فضایی آموزش دیده است.
نکات مهم درباره این مدل:
آموزش بر روی داده‌های بزرگ: این مدل بر روی 30 میلیون پروفایل ترنسکریپتومیکس فضایی آموزش دیده که از روش‌های تصویربرداری و توالی‌یابی استفاده می‌کند.
رمزگشای جدید:
این ویژگی به مدل کمک می‌کند تا بهتر از داده‌ها استفاده کند و الگوهای بیان ژن را شناسایی کند.
استراتژی نمونه‌برداری:
این روش به مدل کمک می‌کند تا الگوهای فضایی را بهتر درک کند.
ادغام داده‌های مکانی:
مدل می‌تواند داده‌های مختلف را به خوبی ترکیب کند.
شناسایی انواع سلول‌ها:
این ویژگی به مدل کمک می‌کند تا اطلاعاتی درباره بیان ژن‌هایی که با روش های دیگر شناسایی نمی شوند، ارائه دهد و عملکرد بهتری نسبت به روش های دیگر داشته باشد.
برای اطلاعات بیشتر می‌توانید به لینک‌های زیر مراجعه کنید:
https://github.com/bowang-lab/scGPT-spatial
https://www.biorxiv.org/content/10.1101/2025.02.05.636714v1
