SCIGMA：可扩展的空间多组学图表示学习
SCIGMA 为每种模态联合构建空间邻接图和特征相似图，以图注意力编码器、跨模态注意力及不确定性感知的对比学习得到联合表示，并通过图采样扩展到百万级空间位置。
结果SCIGMA 可处理超过 100 万个空间位置；作者在可完成 benchmark 的数据上报告空间域识别、模态保留和重构优于对照方法。
4 篇论文
空间多组学与遗传预测资源
空间多组学整合、染色质联合测量、序列检索与 OmicsPred 遗传预测模型资源。
Spatial-ATAC-Hi-C：同一组织位置联合测量开放染色质与三维基因组
Spatial-ATAC-Hi-C 通过组织切片内限制性酶切、原位连接、Tn5 tagmentation 和二维微流控条形码，在同一 50 × 50 μm 像素中联合获得 ATAC fragments 与 Hi-C contacts。
结果与独立 bulk assays 比较，ATAC 信号相关性较高；6,492 个 chromatin loops（62%）与 in situ Hi-C 共享。
Malva：在数千万单细胞原始 reads 中直接检索序列
Malva 把单细胞和空间转录组原始 reads 分解为 24-mers，以稀疏倒排索引保存 k-mer 到 cell identifier 的映射，使突变、剪接连接、病原体和未注释序列可在数千万细胞中直接检索。
结果61 billion reads 的 Stereo-seq 数据在 24 CPU-hours 内完成索引，峰值内存约 8 GB，较比较流程快约 4–25 倍。
OmicsPred：多组学遗传预测模型数据库
OmicsPred 集中收录转录组、蛋白组和代谢组的遗传预测权重，并为每个模型记录训练队列、组织、平台、祖源、变异数、建模方法和预测性能等元数据。
结果模型可按组织、平台、祖源、训练方法和预测性能检索，并提供 PGS Catalog Calculator 与 MetaXcan 等兼容格式。