基因扰动引发的转录响应跨条件预测的结构化研究

基因扰动实验结合转录组分析对于揭示基因间因果关系至关重要，但在多样化生物条件下系统性地探索扰动响应的成本仍然高得难以承受。因此，扰动响应的计算预测已成为指导高性价比实验设计的重要策略。尽管近期方法已开始关注跨条件扰动预测，但对于这样一种情形的刻画仍不充分：即根据某一扰动是否在其他生物条件下于训练阶段被观测到，可将其定义为不同的预测场景。在本文中，我们研究了已见扰动和未见扰动两种情景下的跨条件预测。 我们提出了TranScouter，这是一种轻量级编码器—解码器框架。该框架利用由大语言模型衍生的基因文本摘要嵌入来表征受扰动基因，并利用目标条件下对照细胞的转录组谱来表征生物条件。在所评估的基准数据集上，TranScouter在两种场景中均表现出具有竞争力的性能。我们还进一步通过实证分析刻画了条件空间覆盖度和扰动效应可迁移性如何共同塑造跨条件预测性能。

结合转录组谱分析的基因扰动实验对于揭示基因—基因因果关系至关重要，然而，要在多样化的生物学条件下系统性地探索扰动响应，成本仍然高得难以承受。因此，扰动响应的计算机模拟预测已成为指导高性价比实验设计的重要策略。尽管近年来的方法已开始处理跨条件扰动预测问题，但对于如下情形的表征仍不充分：训练过程中该扰动是否已在其他生物学条件下被观测到。在此，我们研究了已见扰动和未见扰动两种情形下的跨条件预测。我们提出了TranScouter，这是一种轻量级的编码器—解码器框架：利用源自大语言模型的文本摘要嵌入来表征受扰动基因，并利用目标条件下对照细胞的转录组谱来表征生物学条件。在所评估的各项基准测试中，TranScouter在这两种情形下均表现出有竞争力的性能。我们还进一步通过实证分析刻画了条件空间覆盖度和扰动效应可迁移性如何塑造跨条件性能。

📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.07.30.741892v1?rss=1

🏷️ 基因扰动 转录组预测 跨条件泛化 编码器-解码器 大语言模型嵌入