AI 與世界的難題 · 生命科學 · Nature (machine learning) · 2026-10-07
可泛化的擾動預測
原標題: Generalizable perturbation prediction
細胞擾動資料能揭示因果調控關係，但這類資料往往稀少，因而促使人們研發能根據其他情境來預測某一情境下反應的方法。作者開發了 State，這是一種機器學習模型，結合了針對單細胞擾動效應的 Transformer 狀態轉換模型與預訓練的細胞嵌入模型。該模型以來自逾 1 億個細胞的擾動資料及來自 1.67 億個細胞的觀察資料進行訓練，團隊也建立了用於比較模型的評估框架 Cell-Eval。