- 4 次围观
预测细胞如何响应遗传和化学扰动，是药物发现和功能基因组学中的核心挑战。为解决这一问题，近年来已发展出一个不断壮大的专用单细胞基础模型生态系统；然而，与领域无关的方法相比，这些模型在实践中的优势仍不清晰。本文评估了表格基础模型（Tabular Foundation Models）如 TabICL 和 TabPFN——这类通用的预训练回归模型——相对于领域专用架构（包括 PRESAGE、scGPT、scLAMBDA、STACK 和 Prophet）的性能，评估涵盖四种互补的设置：细胞层面的上下文学习跨细胞类型预测、基于五个细胞系 Perturb-seq 数据集的伪批量扰动预测、原代人 CD4+ T 细胞中的全基因组 CRISPR 筛选，以及斑马鱼发育扰动图谱中的胚胎层面细胞类型组成预测。在细胞层面的跨细胞类型扰动预测任务中，表格基础模型的表现与专用模型相当或更优。在伪批量扰动预测任务中，表格基础模型在多个评估指标和数据集上始终优于专用基线模型。在整体胚胎细胞类型组成预测任务中，表格基础模型与专用基线模型相比也具有竞争力。这些结果表明，通用表格上下文学习为跨细胞系统和多尺度的扰动响应建模提供了一种强大且可扩展的替代方案，可替代专门设计的生物学架构。
表格基础模型在跨生物学尺度的细胞扰动预测中具有竞争力 | bioRxiv
跳转至主要内容 首页 关于 投稿 提醒 / RSS 搜索此关键词 高级搜索 新结果
表格基础模型在跨生物学尺度的细胞扰动预测中具有竞争力
查看 ORCID 个人资料 Giovanni Palla ， 查看 ORCID 个人资料 Alexander Hillsley ， 查看 ORCID 个人资料 Yang-Joon Kim ， 查看 ORCID 个人资料 Loic Alain Royer
doi： https://doi.org/10.64898/2026.06.28.735106
Giovanni Palla Biohub，美国加利福尼亚州旧金山 在 Google Scholar 上查找该作者 在 PubMed 上查找该作者 在持有人为作者/资助方，其已授予 bioRxiv 永久展示该预印本的许可。 本文依据 CC-BY 4.0 国际许可协议 提供。
返回顶部 上一项 下一项
发布于 2026 年 7 月 1 日。 下载 PDF 数据/代码 电子邮件
感谢您有意帮助传播 bioRxiv。 您的电子邮件 * 您的姓名 * 发送至 * 请输入多个地址，每行一个，或用逗号分隔。
您将要发送以下内容 表格基础模型在跨生物学尺度的细胞扰动预测中具有竞争力
消息主题 （您的姓名）已从 bioRxiv 转发一个页面给您
消息正文 （您的姓名）认为您会想查看 bioRxiv 网站上的这个页面。
您的个人留言
验证码 此问题用于测试您是否为人类访问者，并防止自动化垃圾信息提交。
分享
表格基础模型在跨生物学尺度的细胞扰动预测中具有竞争力
Giovanni Palla ， Alexander Hillsley ， Yang-Joon Kim ， Loic Alain Royer
bioRxiv 2026.06.28.735106； doi： https://doi.org/10.64898/2026.06.28.735106
分享本文： 复制
引文工具
表格基础模型在跨生物学尺度的细胞扰动预测中具有竞争力
Giovanni Palla ， Alexander Hillsley ， Yang-Joon Kim ， Loic Alain Royer
bioRxiv 2026.06.28.735106； doi： https://doi.org/10.64898/2026.06.28.735106
📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.06.28.735106v1?rss=1
🏷️ 细胞扰动预测 表格基础模型 单细胞转录组 Perturb-seq CRISPR筛选 药物发现