SPACER：从空间转录组解释细胞为何聚集在特定位置
Interpretable AI model reveals spatial codes of cell recruitment in tissues
可解释多实例学习分析37组空间转录组数据，寻找局部细胞招募规则。抗原呈递与T细胞接近、黏蛋白与屏障及部分癌种免疫治疗反应相关。代码开放，观察线索仍需干预验证；本轮未获取付费正文。
相关期次：2026-10-14 精选
阅读笔记
SPACER使用可解释多实例学习，在保留空间位置的基因活动数据中分析局部细胞招募规则。研究覆盖37个人类肿瘤与小鼠心脏空间转录组数据集，局部抗原呈递与T细胞接近有关，肿瘤黏蛋白与阻碍接近的物理屏障、部分癌种免疫治疗反应和预后相关。
新意在于把细胞位置与附近分子信号联结，形成可复查的招募候选；重要度8/10。已读期刊摘要、图注、数据/代码可用性与研究机构原始说明，付费正文未获取；不把观察相关写成临床因果，不引用未展开指标的4—21倍比较。需要在不同癌种和测量条件下复查，并做干预实验。
原文：https://www.nature.com/articles/s41551-026-01804-6
代码：https://github.com/yaober/SPACER
本期资料页：https://www.asteronline.cn/juju-radar/2026-10-14/
AI辅助整理。
笔记记录收录当期的判断。阅读一手材料不等于独立复现；后续进展请以原始来源为准。