研究团队提出Celcomen模型，利用因果解耦方法分析空间转录组学数据，揭示细胞内外的基因调控机制。该模型在真实数据中表现优异，推动生物医学研究进展。

剑桥大学研究团队提出了Celcomen虚拟组织模型，实现了空间转录组学中的因果推断可识别性。该模型能够估计环境对单细胞的影响，并推测细胞对环境的作用，推动对细胞间复杂相互作用的理解。Celcomen结合拉格朗日力学和因果推断，展现出强大的自洽性和可识别性，具有重要的生物医学应用潜力。

本文介绍了多种基于深度学习和生成模型的方法，旨在整合空间转录组学与单细胞RNA测序数据，以推断缺失的基因表达信息。研究采用图卷积网络、transformer模型和条件扩散模型等技术，展示了在数据插补和因果推断方面的优越性能，具有重要的生物信息学应用潜力。