本文介绍了一种名为 DeSCOPE 的轻量级计算框架,旨在利用人工智能准确预测单细胞对基因扰动的响应。该模型采用条件变分自编码器架构,并结合了蛋白质语言模型的嵌入信息,能够处理转录组和表观遗传组等多模态数据。研究表明,DeSCOPE 在预测未见基因、新细胞类型以及组合基因扰动方面均表现优异,显著超越了现有的复杂深度学习模型和简单基准方法。通过迁移学习策略,该模型能够整合跨细胞系的生物知识,增强了在数据稀缺情况下的泛化能力。总体而言,该工具为加速治疗靶点发现和理解复杂的基因调控网络提供了一个高效且通用的虚拟细胞模拟平台。
References:
* Wu P, Wei H, Li Y, et al. Decoding Single-Cell Omics of Perturbation Responses Using DeSCOPE[J]. bioRxiv, 2026: 2026.04. 13...去小宇宙查看完整单集简介
前往小宇宙评论区与主播互动
References:
* Wu P, Wei H, Li Y, et al. Decoding Single-Cell Omics of Perturbation Responses Using DeSCOPE[J]. bioRxiv, 2026: 2026.04. 13...去小宇宙查看完整单集简介
前往小宇宙评论区与主播互动
Fler avsnitt av 聊聊Sci
Visa alla avsnitt av 聊聊Sci聊聊Sci med 淼淼Elva finns tillgänglig på flera plattformar. Informationen på denna sida kommer från offentliga podd-flöden.
