IRIS 用扰动筛选与迁移学习重建跨细胞类型的信号通路历史
Dorian182 · reddit · 2026-10-19
发表于 Nature Methods 的 IRIS 方法,能从扰动筛选和体内 scRNA-seq 数据中推断不同细胞类型的细胞信号状态与历史。
- 核心思路:结合组合配体扰动的体外筛选与体内单细胞测序,用迁移学习把体外学到的信号响应知识迁移到体内细胞
- 模型结构:条件 VAE(CVAE)编码潜在信号空间,配合分类器神经网络做标签迁移,二者迭代联合训练
- 验证:在 mES 细胞筛选数据上对 TGF-β、WNT、FGF、BMP、RA 等通路做 in-sample 测试,ROC 与 PR 曲线显示显著优于仅用响应基因的基线
- 应用:可推断动物、器官、干细胞等在体细胞的信号状态(如 Notch、MAPK 等 0/1 编码),支持发育生物学与药物研究
这是 AI for Science 在单细胞信号通路推断方向的代表性进展。
「研究」频道最新
- 投稿激增叠加 AI 冲击，多本概率顶刊宣布关闭投稿一个月 — michaelchchoi · 2026-10-19
- 裸 IPython 打平生产级 Agent 框架：工具输出归一化消除 9B 模型随机性 — HauntingMoment · 2026-10-19
- Kelly 与修大成发布 159 页《金融机器学习》讲义免费下载 — mdancho84 · 2026-10-19
- 一周 60 篇论文提炼：AI for Science 的六条关键经验 — bravo_abad · 2026-10-19
- 2014年微软研究院押注神经网络天气预报,如今登上 Nature — LesterMackey · 2026-10-19
- Nature:业余者用 GPT 破解尘封 85 年的德军密电,密码学家被验证请求淹没 — ChuckDBrooks · 2026-10-19