Hoike：一种用于转录组数据生成的联合嵌入预测架构，基于扩散模型

在生物标志物发现中，获取足量的条件特异性转录组数据通常受到队列规模、隐私问题以及正常人群与疾病人群之间领域偏移的限制。生成式建模能够扩增稀缺队列，并探查分布转变。此外，合成转录组生成还可支持差异表达分析、机器学习、隐私保护数据共享、基准测试以及转化生物信息学工作流中的假设生成，尤其适用于肿瘤学等领域。在此，我们提出 Hoike——一个将跨域联合嵌入预测架构（JEPA）与潜在扩散模型相结合的框架，用于从正常参考背景生成条件特异性的 bulk 转录组。在 Hoike 中，正常组织谱提供连续条件信号，而模型则学习潜在空间中与疾病相关的偏移，并在 log2(TPM+1) 空间中重建基因层面的表达。该实现支持配对的正常—条件训练、组织对齐条件设定，以及受约束的非负解码，以获得生物学上有效的输出。我们描述了该工作中所采用的架构、目标设计和评估方案，并以源自 GTEx 的正常参考和多个 TCGA 条件队列为案例进行说明。这构成了 Hoike 框架及其可复现分析工作流的技术规范。

在生物标志物发现中，获取足量的条件特异性转录组数据通常受到队列规模、隐私问题以及正常人群与条件人群之间领域偏移的限制。生成式建模能够扩增稀缺队列，并探查分布转变。此外，合成转录组生成还可支持差异表达分析、机器学习、隐私保护型数据共享、基准测试以及转化生物信息学任务中的假设生成，尤其适用于肿瘤学等领域。在此，我们提出 Hoike——一个将跨领域联合嵌入预测架构（JEPA）与潜在扩散模型相结合的框架，用于基于正常参考背景生成条件特异性的 bulk 转录组。在 Hoike 中，正常组织表达谱提供连续条件信号，而模型则学习潜在空间中与疾病相关的偏移，并在 log2(TPM+1) 空间中重建基因层面的表达。该实现支持配对的正常—条件训练、组织对齐条件化，以及受约束的非负解码，以产生具有生物学有效性的输出。我们描述了该工作中所采用的架构、目标设计和评估方案，并以来源于 GTEx 的正常参考和多个 TCGA 条件队列为案例研究对象。这构成了 Hoike 框架及其可复现分析工作流程的技术规范。

📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.08.03.741845v1?rss=1

🏷️ 转录组生成 扩散模型 联合嵌入预测架构 生物标志物发现 bulk RNA-seq