454-Scouter：基于大模型嵌入的基因扰动预测

这项研究介绍了一种名为 Scouter 的新型计算方法，旨在预测基因扰动后全基因组的转录响应。传统的预测模型通常依赖于稀疏且不完整的基因本体（GO）图谱，导致预测精度和适用范围受限。Scouter 另辟蹊径，利用大语言模型（LLM）生成的基因嵌入向量来捕捉复杂的基因间相互作用，并通过一个轻量级的压缩器-生成器神经网络进行推理。实验结果显示，该方法在处理单基因和双基因扰动时的预测误差仅为现有先进技术的一半左右。此外，Scouter 无需复杂的预训练过程，在普通硬件上即可高效运行，显著提升了生物医学研究中预测“未见”基因扰动结果的可访问性与准确性。

References:

• Zhu O, Li J. Scouter predicts transcriptional responses to genetic perturbations with large language model embeddings[J]. Nature Computational Science, 2025: 1-8.