CellPainTR은 JUMP Cell Painting consortium과 같은 방대한 이종 데이터셋을 통합하는 대규모 생물학적 발견에 있어서 기술적인 배치 효과와 일반화 가능한 모델의 부족이라는 중요한 걸림돌을 해결하기 위해 제안된 Transformer 기반 아키텍처입니다. CellPainTR은 배치 효과에 강건한 세포 형태의 기본 표현을 학습하도록 설계되었으며, 새로운 데이터에 대해 재훈련이 필요한 기존 방법과 달리 소스 특정 컨텍스트 토큰을 사용하여 미세 조정 없이 완전히 보이지 않는 데이터셋에 대한 효과적인 분포 외(OOD) 일반화를 가능하게 합니다. JUMP 데이터셋에서 기존의 ComBat 및 Harmony와 같은 방법보다 배치 통합 및 생물학적 신호 보존 모두에서 성능이 우수함을 검증하였으며, 보이지 않는 Bray et al. 데이터셋에 대한 어려운 OOD 작업을 통해 도메인과 특징의 변화에도 불구하고 높은 성능을 유지함을 보여줍니다. 이 연구는 이미지 기반 프로파일링을 위한 진정한 기본 모델을 만드는 데 중요한 진전을 나타내며, 더욱 신뢰할 수 있고 확장 가능한 연구 간 생물학적 분석을 가능하게 합니다.
