空间转录组模型通常只在细胞或斑点之间交换表示，基因信息随表达谱附带进入。SpaAxFormer把每个细胞–基因条目保留为独立状态，先在细胞内让基因互相参照，再按同一基因在空间邻居间交换信息，另设一个细胞级汇总表示。在六个DLPFC切片上，其基因表达插补的平均L1距离均低于Impeller，例如切片151510为0.239对0.254；在Stereo-seq与Slide-seq V2上，Impeller的平均L1与RMSE更低。
病理基础模型在H&E图像上做单细胞空间基因表达预测时，冻结的图块级嵌入迁移效果很差：在5K基因面板上，平均逐基因皮尔逊相关系数从伪点级的0.375降到单细胞级的0.065。一组面向单细胞的轻量适配——细胞局部token池化、40倍视野输入、泊松计数监督和LoRA微调——把同一面板的相关系数提升到0.174，并在5K面板上以0.800的AUROC超过SpatialEx的0.642。提升主要来自空间可变基因和疾病相关基因，全面板的绝对相关仍偏低。
细胞多模态基础模型通常冻结各模态编码器，只训练一个融合接口，但融合是否真的带来单模态之外的信息一直缺少判据。研究者提出协同信息分数（SIS），以线性探针下融合表示相对最强单模态表示的性能增益来度量可及协同。在肺、胸腺、乳腺三套空间转录组数据上，冗余主导的任务里单模态基线已足够，而分辨率不匹配的胸腺任务中非谱融合方法取得更高SIS。
空间转录组测了RNA却常常没有配套蛋白测量，而蛋白丰度并不能由RNA完全反映。MorphoProt把每个位点的RNA表达当作查询，对五个尺度的H&E视野做交叉注意力，再经物理邻域与转录组邻域两路门控聚合，联合解码整套蛋白面板。在人扁桃体、小鼠脾和人肝的留出切片上，其平均逐蛋白Spearman相关分别为0.652、0.604和0.372，三种组织均高于仅RNA、图方法和HIPI、SPRINT等对照。
时空转录组测序是破坏性的，每个时间点测到的是互不对应的细胞快照，中间轨迹和跨尺度细胞间相互作用因此看不到。stMIND把每个细胞的表达漂移拆成细胞内在程序、半径内基于相对表达差与空间几何的局部图差分算子、以及半径外按质量加权的非局部平均场注意力，并让邻域随细胞迁移共同演化。在蝾螈端脑再生与斑马鱼胚胎发生基准上，它取得最高的基因表达预测精度、解剖一致性与空间连贯性；消融显示局部与非局部算子缺一不可，并据此定位到损伤后10–15天的再生转折窗口。
空间转录组切片对齐缺少可审计的智能体评测，Paper2Bench 把两篇已发表的对齐基准研究转成121个可执行任务，让智能体在隐藏真值的容器里作答，并用同一评分器重跑16种已发表基线。在121个任务上，最佳智能体（GPT-6-Astra 与 Gemini-4-Argon）在80%的任务上追平或超过全部基线；把智能体解法蒸馏成独立程序后，在留出任务上超过87%的基线。
亚细胞分辨率空间转录组能测到转录本在细胞内的位置，但此前的方法多针对单一分析任务，缺少在细胞类型与组织环境中统一刻画并预测基因胞内定位的框架。SVC 把每个基因在细胞内的空间表达当作一张图像块，用同一细胞的其他基因作为上下文，以自监督掩码方式学习跨基因的空间依赖。在 seqFISH+ 小鼠胚胎成纤维细胞数据上，SVC 对未测基因的亚细胞模式预测在六项指标上均优于四个图像基线，相对更具挑战性的基线组中位提升为 5.2%–21.0%。
常规单细胞与空间转录组的3′端测序本为计数基因表达而做，其中少量带多聚腺苷酸尾的读段其实标出了RNA末端位置。scPolyA把这类读段用于从头发现多聚腺苷化位点，再用总读段覆盖度划定计数区间，输出逐细胞或逐空间位点的末端使用率、3′UTR长度与内含子多聚腺苷化指标。在八个单细胞数据集上，其位点与PolyA_DB 3参考图谱的中位一致率为63.3%，高于polyApipe、scAPAtrap、Sierra和SCAPE，与采用DeepPASS序列过滤的SCAPTURE相近。
ALHENA把空间转录组的信息蒸馏进常规H&E编码器，推理时只读图像。它不回归单个基因，而是让H&E表示去匹配两个冻结转录组模型在细胞和邻域尺度上给出的样本间相似度结构。在TCGA的110个癌种与特征组合上，平均Spearman相关为0.341，高于未适配UNI2-h的0.161；在Thunder病理基准上中位变化为−0.004。
时间序列空间转录组每次只测一张组织切片，细胞如何迁移、增殖、彼此影响只能间接推断。CytoBridge在转录组与空间坐标组成的联合状态空间里学习连续群体演化，把速度拆成由空间邻域和配体—受体先验估计的相互作用项与内在调控项，并允许细胞数增减。在五个数据集、三种空间转录组平台上，它生成未测量的中间阶段；留一阶段基准的33个组合中，它在12个上Sliced-W2最低，多于其他任何方法或对照。