यह शोधपत्र HESCAPE प्रस्तुत करता है, जो स्थानिक ट्रांसक्रिप्टोमिक्स में ऊतक आकृति विज्ञान छवियों और जीन अभिव्यक्ति डेटा दोनों का लाभ उठाने वाली बहुविध शिक्षण विधियों के मूल्यांकन हेतु एक व्यापक मानक है। छह जीन पैनल और 54 दाताओं वाले एक चयनित संपूर्ण-अंग डेटासेट के आधार पर, हम विभिन्न पूर्व-प्रशिक्षण रणनीतियों में अत्याधुनिक छवि और जीन अभिव्यक्ति एनकोडर का व्यवस्थित रूप से मूल्यांकन करते हैं और दो अनुवर्ती कार्यों में उनकी प्रभावशीलता का आकलन करते हैं: जीन उत्परिवर्तन वर्गीकरण और जीन अभिव्यक्ति भविष्यवाणी। यह अध्ययन दर्शाता है कि जीन अभिव्यक्ति एनकोडर सुदृढ़ अभिव्यक्ति संरेखण के एक प्रमुख निर्धारक हैं, जहाँ स्थानिक ट्रांसक्रिप्टोमिक्स डेटा से पूर्व-प्रशिक्षित जीन मॉडल, स्थानिक डेटा और सरल आधारभूत दृष्टिकोणों के बिना प्रशिक्षित मॉडलों से बेहतर प्रदर्शन करते हैं। हालाँकि, बाद के मूल्यांकन एक विरोधाभासी परिणाम प्रकट करते हैं: जहाँ विपरीत पूर्व-प्रशिक्षण जीन उत्परिवर्तन वर्गीकरण प्रदर्शन में लगातार सुधार करता है, वहीं यह क्रॉस-मोडल उद्देश्यों के बिना प्रशिक्षित आधारभूत एनकोडर की तुलना में प्रत्यक्ष जीन अभिव्यक्ति भविष्यवाणी प्रदर्शन को कम करता है। बैच प्रभावों को प्रभावी क्रॉस-मोडल संरेखण में बाधा डालने वाले एक प्रमुख कारक के रूप में पहचाना गया है, जो स्थानिक ट्रांसक्रिप्टोमिक्स में बैच-मजबूत बहुविध शिक्षण दृष्टिकोणों के महत्व को उजागर करता है। अंत में, हम मानकीकृत डेटासेट, मूल्यांकन प्रोटोकॉल और बेंचमार्किंग टूल प्रदान करने के लिए HESCAPE को ओपन सोर्स करते हैं।
