La IA y los problemas difíciles del mundo · Ciencias de la vida · Nature (machine learning) · 2026-10-07
Predicción generalizable de perturbaciones
Título original: Generalizable perturbation prediction
Los datos de perturbación celular revelan relaciones reguladoras causales, pero estos datos suelen ser escasos, lo que motiva métodos que predigan las respuestas en un contexto a partir de otros. Los autores desarrollaron State, un modelo de aprendizaje automático que combina un modelo de transición de estados basado en transformadores para los efectos de perturbación en células individuales con un modelo preentrenado de incrustación celular. Fue entrenado con datos de perturbación de más de 100 millones de células y datos observacionales de 167 millones de células, y el equipo también creó Cell-Eval, un marco de evaluación para comparar modelos.