تسلسل RNA الأحادي (scRNA-seq) يمثل ركيزة أساسية في دراسة التعبير الجيني على المستوى الخلوي. يعزز هذا الأسلوب من قدرتنا على تحديد أنواع الخلايا وفهم تنوعها المعقد. ولكن، لا تزال التقنيات التقليدية تعاني من إغفال بعض الجوانب الهامة كالفراغ والضوضاء، بالإضافة إلى عدم استغلال المعلومات الهيكلية بين الخلايا.

لتجاوز هذه التحديات، تم تقديم إطار عمل مبتكر يُعرف باسم شبكة المحولات الجرافية السيامية (scGTN)، والذي يدمج بين ملف التعبير الجيني والاعتماديات الهيكلية بين الخلايا. يقوم الباحثون بمعالجة بيانات تسلسل RNA الأحادي على شكل شبكة، مع بناء وجهتي شبكة موازية لالتقاط المعلومات الهيكلية الضرورية.

تستخدم الشبكة السيامية تقنيات متقدمة لاحتواء معلومات المسار الأقصر والمسافات بين العقد للتركيز على الهياكل المعقدة بين الخلايا. ويُعتمد أيضًا على استراتيجية النقل الأمثل لتوجيه عملية التجميع بطريقة ذاتية الإشراف.

وقد أظهرت التجارب الواسعة على مجموعة من بيانات scRNA-seq أن نظام scGTN يتفوق بشكل ملحوظ على الأساليب السابقة، مما يفتح آفاقًا جديدة في بحوث الخلايا الفردية. لمزيد من التفاصيل، يمكن الاطلاع على الشيفرة المصدرية المتاحة على GitHub.