공간 전사체학은 조직 내 유전자 발현을 매핑하지만, 실험적 제약과 과도한 비용으로 인해 현재 플랫폼은 제한된 유전자 세트만 측정한다. 이러한 문제를 해결하기 위해, 계산 모델은 Single-Cell RNA Sequencing 데이터를 공간 전사체학과 통합하여 측정되지 않은 유전자를 예측한다. 본 논문에서는 Single-Cell RNA Sequencing의 중심점 수준 표현을 활용하여 공간 전사체학에서 측정되지 않은 유전자 발현을 예측하는 cross-attention 기반 프레임워크인 CASPER를 제안한다. 4개의 기존 baseline 모델에 대해 4개의 최첨단 공간 전사체학/Single-Cell RNA Sequencing 데이터 세트 쌍에 대한 엄격한 테스트를 수행했다. CASPER는 실험에서 12개의 지표 중 9개에서 유의미한 개선을 보였다. 이 연구는 공간 전사체학에서 Single-Cell RNA Sequencing 모달리티 변환에 대한 추가 연구의 길을 열었다.
