研究人员开发了CellNiche，一个基于对比学习的可扩展框架，用于从图谱级空间组学数据中识别和表征细胞微环境。该框架利用以细胞为中心的空间邻近子图，融合空间共定位与分子共表达信息，学习具有微环境感知能力的嵌入表示。在涵盖多个平台、总计超千万细胞的数据集上验证表明，其表征能力随数据量增加而提升，且计算高效。在人类非小细胞肺癌队列中，它能识别保守及样本特异的肿瘤-免疫微环境；在四个独立小鼠脑图谱中，它能整合293个切片构建统一虚拟脑图，实现跨图谱注释转移与空间细化。