化学、生物与自动化实验室
突破级
暂无讲解视频
收录解读
SOFisher 针对空间组学实验设计的现实瓶颈：研究者需要决定测什么 target 和在哪里放置 FOV，密集采样再拼接成本高、耗时长，有时甚至不可行。
论文提出 reinforcement learning framework，根据已经采样的 FOV 序列选择下一个 FOV 位置，以更少采样捕获更多 regions of interest。
作者在真实空间数据模拟、跨域泛化、不同 FOV 尺寸、阿尔茨海默病数据和结直肠癌数据上验证，并扩展 reward function 以最大化不同空间模式下的基因表达捕获。
它值得正式收录，因为它把 AI/RL 直接嵌入空间生物学实验设计闭环，从被动分析数据推进到主动决定实验采样策略。