CellWorld는 공간 전사체학(spatial transcriptomics) 파운데이션 모델에서 유전자 발현값을 직접 재구성하는 대신 마스킹된 세포의 잠재 표현을 예측하도록 학습 목표를 바꾼 잠재공간 예측 사전학습 프레임워크다. 사람 세포 4,600만 개 데이터로 574만~9,456만 파라미터 규모의 4개 변형을 사전학습했으며, 모델 용량이 커질수록 공간 관련 과제 성능이 향상되고 공간 전이 성능은 세포 수보다 충분한 최적화와 생물학적 소스 다양성에 더 좌우됨을 확인했다. 4개의 held-out 데이터셋에서 가장 작은 CellWorld-Small조차 11개 선형 프로브 벤치마크와 7개 파인튜닝 공간 벤치마크 전체에서 모든 베이스라인을 능가했고, 전체 데이터의 5%만으로 사전학습한 대형 모델도 파인튜닝된 베이스라인 전체를 넘어섰다. 확장 가능한 공간 전사체 파운데이션 모델의 경로를 제시한다.

• •유전자 발현 재구성 대신 잠재 세포 표현 예측으로 사전학습 전환
• •4,600만 세포로 574만~9,456만 파라미터 4개 변형 사전학습
• •가장 작은 모델도 11개 선형 프로브·7개 공간 벤치마크 전체 1위
• •데이터 5%만 쓴 대형 모델도 파인튜닝 베이스라인 전체를 능가