bioRxiv · Bioinformatics· Conci, R., D'Ascenzo, D., Cultrera di Montesano, S., Raghavan, S., Winter, P. S., Van Allen, E. M., Crawford, L., Lotter, W. ·· 1 天前精选AI 评分76
GENESIS：接近实验可重复性的单细胞扰动预测
Single-cell perturbation prediction near experimental reproducibility with GENESIS
AI 导读
GENESIS提出生成式单细胞干预模拟框架，直接根据实验条件的协变量预测响应分布，并在独立重复条件下接近实验可重复性。该框架使用以 energy score 训练的轻量级神经网络，在 Tahoe-100M 小分子图谱和 PBMC 细胞因子图谱上优于现有生成模型与统计基线。即使仅使用部分实验条件或细胞仍能保持准确性，且在同等训练细胞预算下，覆盖更多实验条件比集中深测较少条件效果更好。
推荐理由
GENESIS以重复实验的再现性校准预测误差，并比较实验条件覆盖与细胞采样深度对扰动预测的影响。
来源：bioRxiv · Bioinformatics · biorxiv.org