科学普及

在生物医学研究领域，三维（3D）成像技术的发展为深入理解组织结构、细胞相互作用以及罕见事件提供了前所未有的机遇。然而，由于机械、时间和成本的限制，以及组织损伤或成像分辨率不足等问题，这些3D图像的质量往往受到严重影响。近年来，随着成像技术和计算能力的飞速发展，研究人员开始探索利用人工智能（AI）技术来改善这些问题，以期获得更清晰、更准确的3D组织图谱。

在生命科学的微观世界里，组织功能的奥秘隐藏在细胞间的精妙互动之中。从分子层面的信号传递到细胞间的复杂交流，再到整个组织层面的协同作用，每一层次的互动都是维持组织正常功能的关键。空间转录组学技术应运而生，它能够精准地在组织背景下定位基因表达，为科学家们提供了一把解锁组织功能和细胞间相互作用的“钥匙”。

肺纤维化(Pulmonary fibrosis)是一种肺部过度瘢痕化的疾病，其特征是细胞外基质(ECM)的过度沉积和肺实质结构的破坏，导致肺顺应性下降、肺泡气体交换功能障碍，从而引起低氧血症、呼吸困难、运动耐量下降，最终导致死亡。

随着年龄的增长，大脑的衰老逐渐成为影响人类健康的重大问题。不仅认知功能会逐渐下降，神经退行性疾病（neurodegenerative Diseases, NDDs）的风险也显著增加，如阿尔茨海默病（Alzheimer disease, AD），帕金森病（Parkinson disease, PD）和原发性陶氏病（primary tauopathies）等。

在细胞生物学的探索中，构建能够预测细胞行为的模型一直是科学家们追求的目标。细胞如何整合信号，并执行精确的转录和表型响应？这一问题的解答需要系统性地绘制细胞状态如何被各种干预手段（如遗传、化学或环境扰动）重塑的图谱。

空间转录组学作为一种新兴技术，正在改变我们对细胞在组织中相互作用和功能组织的理解。它结合了组织学技术和高通量 RNA 测序，不仅能够分析基因表达，还能保留基因表达的空间位置信息。这种技术对于研究胚胎发育、组织稳态以及癌症等疾病的进展至关重要。然而，现有的细胞基础模型大多基于单细胞 RNA 测序（scRNA-seq）数据进行预训练，无法有效解析样本之间的空间关系，也无法捕捉不同测序数据的独特分布。随着空间转录组学数据的快速增长，开发能够整合这些复杂数据的计算方法成为了一个亟待解决的问题。