В исследовании представлен TMEformer — инновационный фреймворк глубокого обучения, специально разработанный для анализа опухолевого микроокружения с учетом пространственного контекста. В отличие от существующих моделей, TMEformer использует данные пространственной транскриптомики высокого разрешения для совместного моделирования программ опухолевых клеток и сигналов локального микроокружения. Методология позволяет проводить виртуальные пертурбации (in silico), что дает возможность моделировать функциональные зависимости внутри клеточных экосистем. Валидация на различных когортах показала, что модель превосходит базовые предобученные системы в прогнозировании ключевых переходов, таких как пластичность клеточных линий и возникновение резистентности к терапии. В ходе систематического анализа были выявлены как известные регуляторы, так и новые потенциальные мишени среди транскрипционных факторов и лигандов микроокружения. Использование TME-эмбеддингов значительно улучшает пространственную стратификацию опухолевых клеток, обеспечивая высокую точность соответствия патологической архитектуре тканей.