Ткани под микроскопом: новая модель для анализа пространственной организации клеток
![Система CellScape характеризует клетки посредством совместного моделирования пространственных и геномных взаимодействий, конструируя клеточный граф на основе пространственной близости и двумерной карты экспрессии генов, при этом двойная архитектура с двумя энкодерами - пространственным, формирующим пространственные вложения [latex]Z_{\text{spatial}}[/latex], и внутренним, формирующим внутренние вложения [latex]Z_{\text{intrinsic}}[/latex] - позволяет получать различные представления клеточного ландшафта для решения специфических задач анализа пространственной омики.](https://arxiv.org/html/2602.12651v1/figs/fig1_v3.png)
Исследователи разработали алгоритм, позволяющий детально изучать структуру тканей и выявлять взаимодействие между клетками на основе анализа пространственной транскриптомики.


![Первый энергетический зазор [latex]\Delta E_1[/latex] демонстрирует зависимость от масштаба усечения [latex]E_{max}[/latex] при фиксированных параметрах [latex]m=1[/latex], [latex]\lambda/(4\pi)=1[/latex] и [latex]2\pi R=10[/latex], причём исходное усечение (обозначено пунктирной линией со звёздочками) даёт базовое значение, которое уточняется за счёт введения ведущих локальных контртермов (штрих-пунктирная линия с кружками) и, наконец, результирует в более точное значение при использовании суммированных локальных поправок, реализованных через уравнения (20) и (27).](https://arxiv.org/html/2602.13019v1/Figures/resum.png)
![Архитектура прогрессивного раскрытия навыков агента оптимизирует потребление контекстного окна, загружая информацию в три этапа, при этом обеспечивая доступ к произвольно глубоким процедурным знаниям, а оценки количества токенов, представленные как усреднённые значения для каждого навыка, демонстрируют эффективность данной стратегии, основанной на исследованиях Чжан, Лазука и Мурага [35].](https://arxiv.org/html/2602.12430v1/x1.png)


