في عالم البيولوجيا، تسهم تقنية النسخ الجيني المكاني (Spatial Transcriptomics) في ربط التركيب النسجي (tissue morphology) مع البرامج الجزيئية، مما يعزز من الأساليب متعددة الوسائط التي تجمع بين صور النسج وتعبير الجينات. ومع ذلك، تعاني الطرق الحالية من مشكلتين رئيسيتين: الأولى هي هيمنة جينات housekeeping الشائعة على اختيار الجينات ذات المعلومات المكانية، مما يؤدي إلى تمثيلات ضعيفة التمييز، والثانية هي عدم القدرة على التقاط التبعيات المكانية التي تعتبر حيوية لتنظيم الأنسجة.

للتغلب على هذه التحديات، تم تقديم باستيلي (PaSTel) كإطار عمل مبتكر للتدريب المسبق متعدد الوسائط، والذي يدمج الاستبانات البيولوجية على ثلاثة مستويات. في المستوى الأول، يُستخدم إعادة وزن TF-IDF لتحديد الجينات ذات المعلومات المكانية. أما على المستوى الوظيفي، فتعمل مسارات KEGG المُنظمة كمرتكزات لتمثيل المعاني البيولوجية العالمية. وأخيرًا، على المستوى الإقليمي، تجمع عنقوديات المكان المجاورة لتشكيل بنية الأنسجة على مستوى الميسو.

من خلال مجموعة من المهام اللاحقة، يظهر PaSTel تفوقًا مستمرًا على الأنظمة الحالية في مجالات الرؤية والرؤية-الأومية (vision-omics)، مما يثبت أن دمج الاستبانات البيولوجية متعددة المستويات يؤدي إلى تمثيلات أكثر معلومات وملائمة لتحليل النسخ الجيني المكاني.