新上线今天0 投票
反应幅度：预测CRISPRi扰动效应的主导信号
在单细胞生物学中，预测CRISPRi扰动对目标基因转录组效应的大小是一个重要的开放问题。然而，近期研究指出，在相关协议中，简单基线方法往往能与深度扰动预测器相媲美甚至更优。本文在Virtual Cell Challenge（VCC）基准上，采用严格的目标基因留出分割，深入研究了这一现象，并识别出驱动性能差距的低维信号及其跨细胞类型的迁移特性。
研究发现，目标变量——非靶向对照的log Anderson-Darling距离——可由输入向量的四个确定性标量函数高度预测。一个能够直接访问完整输入的深度MLP编码器却趋向于边际训练均值，且标准补救措施无法缩小差距。相比之下，仅基于四个幅度标量的线性回归便超越了最强的x-only经典模型，而结合输入与四个标量的随机森林则显著优于深度编码器。通过两个预设对照实验，作者将幅度增益归因于逐行对齐而非维度增加。
在零样本迁移测试中，将模型应用于两个外部CRISPRi筛选，并基于单细胞数据重建目标基因端点，幅度预测器表现出正向迁移，而仅基于表达预测的模型则为负向或无法解决。将幅度信息暴露给深度编码器可改善其迁移性能，但编码器仍未能超越使用相同特征的四个标量线性回归。此外，研究发现Anderson-Darling列度量的是转录组范围内的响应广度，而非目标基因的效应强度，因此针对其进行迁移评估衡量的是不同的结果。
该研究强调了在扰动效应预测中，关注反应幅度这一简单信号的重要性，为开发更有效的预测模型提供了新的视角。