MP-MNCA空间域识别框架发布，ARI略低于最优基线

Sidharthan Sivacoumar Chitra 和 Sanjeev Manivannan 在 arXiv（2610.16212）发布论文，提出空间转录组空间域识别框架 MP-MNCA。该框架保留完整的 3,000 维高变基因表示，通过形态相似性连续注意力和自监督掩码邻居对比目标，引导分子信息在空间邻居间选择性传播。 作者在 12 个人类背外侧前额叶皮层（DLPFC）切片上与既有空间域识别基线比较：平均峰值精化 ARI 为 0.546，略低于最强基线 STAIG 的 0.549；平均精化 NMI 达 0.657，高于 STAIG 的 0.640。分切片看，MP-MNCA 在 12 个切片中有 7 个 ARI、11 个 NMI 上优于 STAIG。以上为论文报告的结果，属作者声称，尚未见独立验证。

AI 根据报道生成 · 4 小时前更新