AITP
精选全部 AI 动态AI 日报Agent 接入关于更新日志信源提报反馈
登录 / 注册
AITOP
全部 AI 动态
AI 相关资讯全量信息流
全部博客资讯推文论文
全部模型产品行业论文技巧
标签:空间转录组学×
6月16日
20:46
AITOP6月16日 20:46
600亿美元买下Cursor,xAI终于拿到了编程工具,但真正值得跟踪的或许不是AI600亿美元买下Cursor,xAI终于拿到了编程工具,但真正值得跟踪的或许不是AI
6月12日
12:57
AITOP6月12日 12:57
Claude代码里藏了个20260612,18个月后的AI记忆革命已经开始倒计时
6月11日
15:28
AITOP6月11日 15:28
1107 vs 303:谷歌悄悄开源了一个“拆打字机”的模型,把大模型速度翻了4倍
15:23
AITOP6月11日 15:23
DiffusionGemma颠覆文本生成?自回归模型的“统治”要结束了
15:07
AITOP6月11日 15:07
每秒1107个token,Google开源的扩散模型为什么能改变本地推理格局?
6月2日
12:04
12:04arXiv cs.LG@Kaito Shiku, Ahtisham Fazeel Abbasi, Ryoma Bise, Yuichiro Iwashita, Kazuya Nishimura, Andreas Dengel, Muhammad Nabeel Asim
该研究提出了一种名为GC-MoE的新方法,用于从组织学图像和细胞位置预测单个细胞的基因表达,从而降低单细胞空间转录组学测量的成本。与现有方法不同,GC-MoE通过路由网络估计细胞类型概率,并软性地组合细胞类型特异性专家来预测基因表达,从而捕捉细胞间的表达变异性。该方法还引入了细胞类型特异性共表达感知预测器和轻量级细胞间交互注意力模块,以编码细胞类型依赖的基因程序。在公共单细胞空间转录组数据集上的实验表明,GC-MoE在性能上优于现有的单细胞和基于点的基线方法。这项工作为从组织学图像推断单细胞基因表达提供了更精确的工具,对生物医学研究具有重要意义。
论文空间转录组学专家混合模型细胞类型特异性组织学图像基因表达预测

推荐理由:做空间转录组学或计算病理学的研究者可以直接用GC-MoE替代昂贵的单细胞测序,从常规组织切片中预测单细胞基因表达,省成本又提精度。
原文
精选全部日报登录