ASTRA permite la superresolución de datos de transcriptómica espacial en diversas geometrías de captura, sin necesidad de entrenamiento previo.

La transcriptómica espacial de superresolución permite recuperar la organización tisular que se ve afectada por un muestreo poco preciso, pero ajustar un modelo a cada sección aumenta considerablemente el coste computacional y reduce su utilidad práctica. Presentamos ASTRA, un modelo preentrenado multiplataforma que reconstruye la expresión a partir de la histología y el ARN medido mediante la inferencia de cero disparos. El entrenamiento con regiones de recuento de forma arbitraria, denominadas «padres», permite que un único modelo predefinido se adapte a contenedores densos y puntos separados. En seis secciones de Visium HD independientes, ASTRA logró correlaciones más altas con el muestreo de contenedores densos y pseudo-Visium, errores de contenedores densos más bajos y tiempos de procesamiento sustancialmente más cortos que los métodos existentes.

Mejoró la segmentación del tejido colorrectal y la recuperación del límite tumoral. En muestras reales de Visium de cáncer colorrectal, la reconstrucción resolvió espacialmente un estado transcripcional del estroma, lo que se corroboró con el ARN medido. El mismo punto de control permitió realizar análisis regionales y asociados al núcleo en 43 secciones de carcinoma lobulillar invasivo, así como la interpretación dentro de cada punto en 92 secciones de cáncer de mama triple negativo. ASTRA establece un marco reutilizable para una superresolución espacial de la transcriptómica práctica y a escala de cohorte en diversas plataformas.