- 3 次围观
人类皮肤图谱揭示了多样的细胞状态，但在独立采样的组织之间，将这些状态与其对干预的响应联系起来仍然面临困难。在此，我们提出VirtualSkin，这是一种将皮肤转录组与生物学描述对齐、并支持以干预为条件进行响应预测的细胞语言模型。我们在独立的图谱、疾病、解剖部位及扰动队列中评估了该模型，并根据实验设计将部分供体、研究和扰动留出用于评估。相较于相应任务中表现最优的对比方法，VirtualSkin在炎症性皮肤细胞注释任务中的宏平均F1分数提高了0.056，在细胞—文本检索任务中的Recall@10提高了0.12。该模型的表征在跨研究整合过程中保留了细胞身份，并可迁移至衰老、系统性硬化症、淋巴瘤及不同解剖部位。在五个干预队列中，响应预测的响应评分提高了0.03–0.09，且在基因表达变化、基因恢复及转录程序层面均表现出一致性。每种干预中两名供体的配对组织轨迹提供了补充评估。组件消融实验和配对对照明确了各部分对预测的贡献，而不确定性估计则支持在分布偏移条件下进行选择性预测。这些结果在统一的评估框架内将皮肤细胞识别与干预响应预测联系起来，并界定了预测结果可用于指导实验优先级排序的条件。
1
美国马萨诸塞州波士顿，北桥生物医学人工智能研究所计算皮肤病学中心；美国马萨诸塞州剑桥，哈尔西恩大学医学院生物医学信息学系；
在 Google Scholar 上查找此作者
在 PubMed 上查找此作者
在本站搜索此作者
Elias Norwick
2
美国马萨诸塞州波士顿，北桥生物医学人工智能研究所计算皮肤病学中心；
在 Google Scholar 上查找此作者
在 PubMed 上查找此作者
在本站搜索此作者
Sofia Ardene
3
英国伦敦，梅里迪安生物医学研究中心皮肤系统生物学研究室；
在 Google Scholar 上查找此作者
在 PubMed 上查找此作者
在本站搜索此作者
Theo Marwick
4
加拿大安大略省多伦多，西湖转化医学研究所皮肤科；
在 Google Scholar 上查找此作者
在 PubMed 上查找此作者
在本站搜索此作者
Lina Corven
5
美国马萨诸塞州剑桥，哈尔西恩大学医学院生物医学信息学系；美国加利福尼亚州圣迭戈，阿卡迪亚健康科学大学单细胞系统医学中心；
在 Google Scholar 上查找此作者
在 PubMed 上查找此作者
在本站搜索此作者
Adrian Solmere
6
瑞士苏黎世，赫利克斯福德大学人工智能赋能治疗研究所
在 Google Scholar 上查找此作者
在 PubMed 上查找此作者
在本站搜索此作者
Nia Calder
2
美国马萨诸塞州波士顿，北桥生物医学人工智能研究所计算皮肤病学中心；
在 Google Scholar 上查找此作者
在 PubMed 上查找此作者
在本站搜索此作者
Rafael Quillon
3
英国伦敦，梅里迪安生物医学研究中心皮肤系统生物学研究室；
查找
在 Google Scholar 上查找该作者
在 PubMed 上查找该作者
在本站搜索该作者
Isobel Renn
4
加拿大安大略省多伦多，Westlake 转化医学研究所皮肤科；
在 Google Scholar 上查找该作者
在 PubMed 上查找该作者
在本站搜索该作者
Marcus Elian
1
美国马萨诸塞州波士顿，Northbridge 生物医学人工智能研究所计算皮肤病学中心；美国马萨诸塞州剑桥，Halcyon 大学医学院生物医学信息学系；
在 Google Scholar 上查找该作者
在 PubMed 上查找该作者
在本站搜索该作者
通信联系：
hihi16545{at}outlook.com
摘要
信息/历史
指标
预览 PDF
摘要
人类皮肤图谱揭示了多样的细胞状态，然而，在独立采样的组织之间，将这些状态与其对干预的响应联系起来仍然具有挑战性。本文提出 VirtualSkin，这是一种细胞语言模型，可将皮肤转录组与生物学描述对齐，并支持以干预为条件的响应预测。我们在独立的图谱、疾病、解剖部位及扰动队列中评估了该模型，并根据实验设计将部分供体、研究和扰动留出。相较于各项任务中表现最优的对照方法，VirtualSkin 在炎症性皮肤细胞注释任务中的宏平均 F1 得分提高了 0.056，在细胞—文本检索任务中的 Recall@10 提高了 0.12。该模型的表征在跨研究整合过程中保留了细胞身份，并可迁移至衰老、系统性硬化症、淋巴瘤及不同解剖部位的数据。在五个干预队列中，响应预测的响应评分提高了 0.03–0.09，并在基因表达变化、基因恢复及转录程序层面表现出一致性。配对组织
轨迹为每种干预下的两名供体提供了补充评估。组件消融实验和配对对照明确了各部分对预测的贡献，而不确定性估计则支持在分布偏移下进行选择性预测。这些结果在统一的评估框架内，将皮肤细胞识别与干预反应预测联系起来，并界定了预测可用于指导实验优先级排序的条件。
利益冲突声明
作者声明不存在利益冲突。
版权
本预印本的版权持有人为作者／资助方，其已授予 bioRxiv 永久展示本预印本的许可。
本预印本依据以下许可协议开放：
CC-BY 4.0 国际许可协议
。
返回顶部
上一篇
下一篇
发布于2026年10月13日。
下载 PDF
电子邮件
感谢您有意传播 bioRxiv 上的内容。
注意：索取您的电子邮件地址仅用于确认您是本文的发送者。
您的电子邮件地址
*
您的姓名
*
收件人
*
请输入多个地址，每个地址单独一行，或用逗号分隔。
您将通过电子邮件发送以下内容
VirtualSkin 将皮肤细胞身份与干预反应预测相整合
邮件主题
（您的姓名）向您转发了 bioRxiv 上的一个页面
邮件正文
（您的姓名）认为您可能希望查看 bioRxiv 网站上的此页面。
您的个人留言
验证码
此问题用于验证您是否为人类访客，并防止自动提交垃圾信息。
分享
VirtualSkin 将皮肤细胞身份与干预反应预测相整合
Mira
Velland
，
Elias
Norwick
，
Sofia
Ardene
，
Theo
Marwick
，
Lina
Corven
，
Adrian
Solmere
，
Nia
Calder
，
Rafael
Quillon
，
Isobel
Renn
，
Marcus
Elian
bioRxiv
2026.10.06.756877；
doi：
https://doi.org/10.64898/2026.10.06.756877
分享本文：
复制
引文工具
VirtualSkin将皮肤细胞身份与干预响应预测相结合
Mira
Velland
,
Elias
Norwick
,
Sofia
Ardene
,
Theo
Marwick
,
Lina
Corven
,
Adrian
Solmere
,
Nia
Calder
,
Rafael
Quillon
,
Isobel
Renn
,
Marcus
Elian
bioRxiv
2026.10.06.756877;
doi:
https://doi.org/10.64898/2026.10.06.756877
文献管理软件格式
BibTeX
Bookends
EasyBib
EndNote（带标签格式）
EndNote 8（xml）
Medlars
Mendeley
Papers
RefWorks带标签格式
Ref Manager
RIS
Zotero
推文小工具
Facebook点赞
Google Plus One
学科领域
生物信息学
学科领域
所有文章
动物行为与认知
(8124)
生物化学
(18957)
生物工程
(15105)
生物信息学
(45032)
生物物理学
(22873)
肿瘤生物学
(19982)
细胞生物学
(27198)
临床试验
(138)
发育生物学
(14091)
生态学
(21296)
流行病学
(2067)
进化生物学
(25689)
遗传学
(16288)
基因组学
(23736)
免疫学
(18923)
微生物学
(43012)
分子生物学
(18244)
神经科学
(94583)
古生物学
(709)
病理学
(3017)
药理学与毒理学
(5155)
生理学
(8221)
植物生物学
(16175)
科学传播与教育
(2109)
合成生物学
(4615)
系统生物学
(10339)
动物学
(2409)
关键词：细胞语言模型 · 皮肤转录组 · 细胞身份识别 · 干预响应预测 · 跨研究整合 · 不确定性估计
原文链接：https://www.biorxiv.org/content/10.64898/2026.10.06.756877v1?rss=1