AIが解く世界の難問 · 生命科学 · Nature (machine learning) · 2026-10-07
汎化可能な摂動応答予測
原題: Generalizable perturbation prediction
細胞摂動実験のデータは因果的な制御関係を知る手がかりになるが、利用できる文脈は限られがちである。本研究は、ある文脈で学習して別の文脈の摂動応答を予測する機械学習モデル「State」を開発した。Stateは、単一細胞の摂動効果を予測するTransformerベースの状態遷移モデルと、事前学習された細胞表現モデルからなる。1億を超える細胞の摂動データと1億6700万細胞の観察データで学習させ、モデルを比較する評価枠組み「Cell-Eval」も構築された。