論文の概要: Modeling Microenvironment Trajectories on Spatial Transcriptomics with NicheFlow
- arxiv url: http://arxiv.org/abs/2511.00977v1
- Date: Sun, 02 Nov 2025 15:41:38 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-11-05 16:37:27.012758
- Title: Modeling Microenvironment Trajectories on Spatial Transcriptomics with NicheFlow
- Title（参考訳）: NicheFlowを用いた空間トラノドミクスにおける微小環境軌道のモデル化
- Authors: Kristiyan Sakalyan, Alessandro Palma, Filippo Guerranti, Fabian J. Theis, Stephan Günnemann,
- Abstract要約: 細胞微小環境の理解は、組織の発生と疾患データの解読に不可欠である。
NicheFlowはフローベースの生成モデルであり、空間スライドを横断する細胞マイクロ環境の時間軌道を推定する。
- 参考スコア（独自算出の注目度）: 80.00833033784079
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Understanding the evolution of cellular microenvironments in spatiotemporal data is essential for deciphering tissue development and disease progression. While experimental techniques like spatial transcriptomics now enable high-resolution mapping of tissue organization across space and time, current methods that model cellular evolution operate at the single-cell level, overlooking the coordinated development of cellular states in a tissue. We introduce NicheFlow, a flow-based generative model that infers the temporal trajectory of cellular microenvironments across sequential spatial slides. By representing local cell neighborhoods as point clouds, NicheFlow jointly models the evolution of cell states and spatial coordinates using optimal transport and Variational Flow Matching. Our approach successfully recovers both global spatial architecture and local microenvironment composition across diverse spatiotemporal datasets, from embryonic to brain development.
- Abstract（参考訳）: 時空間データにおける細胞微小環境の進化を理解することは、組織の発生と疾患進行の解読に不可欠である。
空間転写学のような実験的な手法により、空間と時間にわたって組織組織を高分解能でマッピングできるようになったが、細胞進化をモデル化する現在の手法は、組織内の細胞状態の協調的な発達を見越して、単細胞レベルで機能している。
フローベース生成モデルであるNicheFlowを導入し, 連続した空間スライド間のセルマイクロ環境の時間的軌跡を推定する。
局所的な細胞近傍を点雲として表現することにより、NicheFlowは最適な輸送と変分フローマッチングを用いて、細胞状態と空間座標の進化を共同でモデル化する。
本手法は, 胚発生から脳発生までの様々な時空間データセットの局所的空間構造と局所的環境構成の回復に成功している。
関連論文リスト
- ITC-RWKV: Interactive Tissue-Cell Modeling with Recurrent Key-Value Aggregation for Histopathological Subtyping [2.99938892718088]
本稿では,マクロ組織の特徴と集合細胞表現との相互作用をモデル化したデュアルストリームアーキテクチャを提案する。
組織と細胞間の双方向の相互作用モジュールを導入し, 局所的な細胞キューと周囲の組織環境の相互の注意を喚起する。
論文 参考訳（メタデータ） (2025-10-24T14:03:52Z) - Learning noisy tissue dynamics across time scales [0.0]
本稿では,実験映画から直接ノイズの多いマルチセルダイナミックスを推定できるバイオミメティック機械学習フレームワークを提案する。
本モデルでは,フライウイングやERK波を介する細胞信号処理など,発達系の実験的ダイナミクスを正確に生成できることが示されている。
論文 参考訳（メタデータ） (2025-10-21T21:33:54Z) - Kuramoto Orientation Diffusion Models [67.0711709825854]
指紋やテクスチャなどのオリエンテーションに富んだ画像は、しばしばコヒーレントな角模様を示す。
生体系における位相同期の役割を動機として,スコアベース生成モデルを提案する。
一般的な画像ベンチマークで競合する結果を実装し,指紋やテクスチャなどの指向性データセットの生成品質を大幅に向上する。
論文 参考訳（メタデータ） (2025-09-18T18:18:49Z) - TopoCellGen: Generating Histopathology Cell Topology with a Diffusion Model [32.670806339139034]
本研究では,トポロジ制約を拡散モデルに統合し,現実的で文脈的に正確なセルトポロジの生成を改善する手法を提案する。
本手法は, セル分布と相互作用のシミュレーションを改良し, 下流タスクにおける結果の精度と解釈可能性を高める。
論文 参考訳（メタデータ） (2024-12-08T18:02:22Z) - Revisiting Adaptive Cellular Recognition Under Domain Shifts: A Contextual Correspondence View [49.03501451546763]
生物学的文脈における暗黙の対応の重要性を明らかにする。
モデル構成成分間のインスタンス認識トレードオフを確保するために, 自己適応型動的蒸留を提案する。
論文 参考訳（メタデータ） (2024-07-14T04:41:16Z) - Engineering morphogenesis of cell clusters with differentiable programming [2.0690546196799042]
我々は、局所的な相互作用規則と遺伝的ネットワークを発見するために、自動分化の最近の進歩を利用する。
細胞間相互作用のパラメータを解釈可能な遺伝的ネットワークの形で学習できることが示される。
論文 参考訳（メタデータ） (2024-07-08T18:05:11Z) - Towards an Automatic Analysis of CHO-K1 Suspension Growth in
Microfluidic Single-cell Cultivation [63.94623495501023]
我々は、人間の力で抽象化されたニューラルネットワークをデータレベルで注入できる新しい機械学習アーキテクチャを提案する。
具体的には、自然データと合成データに基づいて生成モデルを同時に訓練し、細胞数などの対象変数を確実に推定できる共有表現を学習する。
論文 参考訳（メタデータ） (2020-10-20T08:36:51Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。