- 4 次围观
逆向扰动基准对干预进行排序,以寻找趋近目标细胞状态的方案,但高准确率所回答的问题,可能不同于生物学优先级排序所关注的问题。我们提出 InverseBench,明确界定候选信息与终点构建方式,并提出在该基准下接受评估的线性流程 FSTN。在输入、候选集和验证方式完全相同的条件下,嵌套岭回归对转录组主成分代理指标的 Spearman 相关系数达到 0.959,而对基于 7,354 个基因独立测量的 K562 生长适应度指标则为 0.445。在七项任务中,对响应信息的可用性进行控制后,模型表现提升幅度不一:CD4 激活任务提升 0.442,外部适应度任务提升 0.116。然而,预先设定的候选短名单比较显示,在 K562 任务和黑色素瘤共培养筛选中,主要阈值下并无性能损失;而在次要阈值下,K562 任务中的排序则出现反转。FSTN 的非负集合选择器在三次选择中找回了 0.840 的实测双基因组合成分,而无约束贪心方法为 0.771。该框架区分了代理指标重构、响应信息辅助的优先级排序,以及对未见干预的排序:模型准确率随终点而异,本身并不意味着生物学决策质量更差。
逆向扰动基准旨在对能够推动细胞达到目标状态的干预进行排序,但高准确率所回答的问题,可能与生物学优先级排序所关注的问题不同。我们提出 InverseBench,使候选信息和终点构建过程清晰明确;并提出 FSTN,这是一个在该基准下进行评估的线性流程。在输入、候选集和验证方式完全相同的情况下,嵌套岭回归在转录组主成分代理指标上的 Spearman 相关系数达到 0.959,而在基于 7,354 个基因独立测量的 K562 生长适应度上的相关系数为 0.445。在七项任务中,通过控制响应信息的可用性,模型性能提升幅度不一:CD4 细胞激活任务提升 0.442,而外部适应度任务提升 0.116。然而,预先定义的候选短名单比较显示,在 K562 任务或黑色素瘤共培养筛选中,主要阈值下的性能均未受损;而在次级阈值下,K562 任务的排序则发生逆转。FSTN 的非负集合选择器在三次选择中找回了 0.840 的实测双基因组合成分,高于无约束贪心方法的 0.771。该框架区分了代理指标重建、利用响应信息进行优先级排序,以及对未见干预进行排序这三类任务:终点依赖的准确率差距本身并不意味着生物学决策更差。
作者声明不存在利益冲突。
感谢您有兴趣传播 bioRxiv 的信息。
注意:要求提供您的电子邮件地址,仅用于确认您是本文的发送者。
关键词:逆向扰动基准 · 细胞状态预测 · 基因表达分析 · 干预优先级排序 · 机器学习评估
原文链接:https://www.biorxiv.org/content/10.64898/2026.10.19.760271v1?rss=1