SCIGMA integra multiómicas espaciales mediante aprendizaje profundo

El framework SCIGMA, detallado en un reciente artículo de Nature Genetics, introduce un modelo de aprendizaje profundo que aborda la complejidad de la integración de datos multiómicos espaciales. Este desarrollo permite combinar hasta cinco modalidades ómicas espaciales distintas, manteniendo la integridad de las señales propias de cada una.

Según la publicación en Nature Genetics, SCIGMA se caracteriza por su escalabilidad y flexibilidad, lo que facilita su aplicación en diversas plataformas. Su diseño permite una mejora en la detección de dominios espaciales y ofrece capacidades de análisis multimodal que se describen como robustas e interpretables. Adicionalmente, el sistema ha sido concebido para ser consciente de la incertidumbre inherente a estos procesos. La capacidad de integrar datos de esta naturaleza de forma sistemática y con garantías de interpretabilidad representa un avance en el estudio de las interacciones moleculares en contextos espaciales biológicos.