CORAL：图注意力生成模型打通空间组学多模态，登 Nature Genetics
james_y_zou · x · 2026-11-07
斯坦福团队在 Nature Genetics 发表 CORAL（Cross-scale spatial Omics Registration and Analysis via graph Learning），用概率深度生成模型解决空间组学数据整合难题：不同模态在空间分辨率、跨模态对齐与分子覆盖上差异巨大。
- 通过图注意力机制整合空间转录组、蛋白质组、代谢组与表观基因组数据，联合建模高分辨率低覆盖与低分辨率全基因组覆盖数据集，生成统一表示。
- 可推断细胞生态位、细胞-细胞相互作用，并生成缺失模态数据。
- 应用于空间转录组+蛋白质组，识别出与肝癌免疫治疗耐药相关的细胞。
- 代码与非付费版全文均已公开。
所属事件:斯坦福 CORAL 模型登 Nature Genetics 整合空间组学(4 条相关)→
「研究」频道最新
- 持续学习系统的数据质量关:反馈噪声与偏差如何毁掉模型 — goyalshaliniuk · 2026-11-13
- 持续学习 AI 系统的 7 大工程挑战：部署后仍要不断进化 — goyalshaliniuk · 2026-11-13
- CMU NLP 第 8 课：只保留 teacher 的 top token 可能逆转学生的学习信号 — CatAstro_Piyush · 2026-11-13
- dbreunig 长文拆解「权重空间编程」的工作原理 — dbreunig · 2026-11-13
- WorldDraft 基准：代码搭世界、视频模型只做渲染可行吗 — Zhiyu Hou · 2026-11-13
- NUS 发布 SO-Arena：评测 21 个 System One 模型，整体准确率不代表决策可靠 — NationalUniversityofSingapore · 2026-11-13