Presentan CORAL, un modelo generativo profundo para la integración de datos ómicos espaciales

Un equipo de investigadores ha desarrollado CORAL (Cross-scale spatial Omics Registration and Analysis via graph Learning), un modelo generativo profundo destinado a la integración de datos ómicos espaciales. Este avance, publicado el 5 de noviembre de 2026 en la revista Nature Genetics [https://www.nature.com/articles/s41588-026-02821-6], introduce una metodología que emplea mecanismos de agregación con atención de grafos.

El objetivo principal de CORAL es procesar y unificar la información procedente de datos ómicos espaciales capturados a diversas escalas. La integración de estos conjuntos de datos, que suelen ser complejos y heterogéneos, se logra mediante una arquitectura de modelo generativo profundo. Esta capacidad busca facilitar un análisis espacial exhaustivo, lo que representa una contribución para comprender la organización y función biológica a nivel tisular o celular. La novedad reside en su enfoque para manejar la variabilidad inherente a los datos ómicos espaciales, un desafío recurrente en la unificación de estudios comprensivos.