SpecCG：用于空间转录组学的频谱增强细胞—基因联合表征学习

基于摘要分析。SpecCG 面向空间转录组学（ST）的细胞与基因表征学习，旨在提取被噪声掩盖的组织尺度基因表达模式，并联合建模细胞空间结构与基因依赖关系。其主要贡献是将自适应频谱调制、多视图整合和细胞—基因联合解码纳入同一框架。 机制上，SpecCG 首先对基因表达空间图进行自适应频谱调制，以增强全局表达模式；随后通过多视图架构整合局部空间—转录上下文与频谱增强的全局信息，形成细胞表征，同时将基因共表达依赖作为互补生物学信号。最后，基因—细胞联合解码模块通过联合重建耦合两类嵌入，实现相互监督与协调学习。摘要未提供频谱算子的具体定义、调制参数化方式、视图融合策略或损失函数形式。 作者报告，在八个公开 ST 数据集上的实验中，SpecCG 持续优于所比较的先进基线，并得到空间连贯、具有生物学可解释性的区域。摘要未列出数据集名称、划分方式、基线、评价指标或具体数值，因此尚不能判断优势幅度及适用边界；实验协议、消融及统计信息尚未验证。 该研究的主要对象是组织中的空间基因表达，而非神经信号解码。其频谱处理依赖基因表达空间图，联合重建依赖细胞与基因两类实体；摘要未建立这些结构与 EEG 数据之间的具体对应关系，不能将其直接解释为 BCI 算法改进。复现需进一步核对空间图构建、表达预处理、频谱调制和联合解码的实现细节，以及代码与数据配置的可获取性。