化学、生物与自动化实验室
突破级
暂无讲解视频
收录解读
问题与背景：组织功能依赖细胞局部微环境，但只用 dissociated single-cell 数据训练的模型难以恢复空间上下文。论文聚焦于把空间单细胞组学纳入 foundation model 预训练。
方法与机制：Nicheformer 是 transformer-based foundation model，在 SpatialCorpus-110M 上预训练，覆盖 5700 万 dissociated cells 和 5300 万 spatially resolved cells，学习带空间上下文的细胞表征，并支持 spatial composition prediction 等下游任务。
为什么重要：它把单细胞基础模型从单细胞表达扩展到组织空间生态位，是 spatial omics 表征学习的重要工作流基础。对细胞微环境、疾病组织分析和药物反应建模都有外溢。
局限：空间平台差异、组织覆盖和下游任务泛化仍需长期验证；目前更适合定为突破级。