AI与世界难题 · 生命科学 · Nature (machine learning) · 2026-10-07
可泛化的扰动预测
原标题: Generalizable perturbation prediction
细胞扰动数据能够揭示因果调控关系，但此类数据往往稀缺，这促使人们研究能够根据其他情境预测某一情境下反应的方法。作者开发了State，这是一种机器学习模型，它将用于预测单细胞扰动效应的基于Transformer的状态转换模型与预训练的细胞嵌入模型相结合。该模型使用来自超过1亿个细胞的扰动数据和来自1.67亿个细胞的观测数据进行训练，团队还构建了用于比较模型的评估框架Cell-Eval。