2026-09-28
Yale团队提出MultiFlow，用耦合流匹配同时预测未见过细胞类型上的基因表达与染色质开放，RNA侧top-100基因iLISI从0.716提升到0.867。
同一记基因扰动，在不同细胞类型里会走出完全不同的分子后果。现有单细胞扰动模型大多只预测转录组，染色质开放这一层监管状态被丢掉了。组合空间又大过实验通量：不可能把每个扰动在每种细胞背景里都测一遍。
Perturb-multiome 已经能在同一细胞里同时读 RNA 和 ATAC。计算侧还缺一个把两条模态当耦合系统、并外推到训练时没见过的细胞类型的生成模型。
MultiFlow 先把配对的 scRNA 与 scATAC 分别压进 128 维潜空间，再在潜空间里学两条互相通气的流匹配轨迹。源分布是一份共享高斯噪声，目标是观测到的配对潜状态，沿直线路径回归速度场。关键件是双向 Cross Flow Module：每个时间步里，RNA 特征当 query 去看 ATAC 的 key/value，反过来也做一遍，两条速度场因此共享同一套耦合动力学。
细胞状态生成把扰动通道关掉，只靠细胞类型嵌入采样未扰动的配对分布。扰动预测把控制组细胞的平均潜状态当作上下文，扰动本身是可学习嵌入，对照为全零向量。训练用 leave-one-cell-type-out：目标细胞类型的扰动细胞不进训练集，只把该类型的对照细胞用来构造推理时的上下文。采样后还做一步只基于训练集的潜空间均值纠偏，再解码回基因与峰。
生成任务在 OpenProblems（69,249 细胞、22 类）上训 600 epoch，中点 ODE 100 步；扰动任务在 GSE274113（133,022 细胞、10 类、19 个转录因子扰动）上训 1600 epoch，ODE 50 步。
生成侧，OpenProblems 上 MultiFlow 的 RNA iLISI 为 0.898，比最强基线 scDiffusion-X 高 0.052；ATAC iLISI 0.917、MMD 0.011，都是最好。CD4+ T 的细胞类型平均谱 Pearson 相关 RNA 0.9960、ATAC 0.9897。独立的 PBMC10k 上 ATAC iLISI 0.650，相对 scDiffusion-X 高约 18.83%。平均谱相关普遍很高，分出高下的是分布级指标。
扰动侧，未见细胞类型的 top-100 响应基因上，iLISI 从最强基线的 0.716 提到 0.867，相对提升 21.1%，MMD 从 0.093 降到 0.034。ATAC 综合绝对分 0.839，对上最强基线 0.660；显著峰上的变化相关 0.672、方向准确率 0.934。峰-基因邻域效应分 0.31，最强基线只有 0.15；细胞级 RNA-ATAC 邻域耦合相关 0.765，对上 0.288。拿掉 ATAC 流会稳定伤到 RNA 预测，反向加 RNA 对 ATAC 的帮助更小。
| 设置 | 指标 | MultiFlow | 最强基线 |
| OpenProblems RNA 生成 | iLISI | 0.898 | scDiffusion-X 0.846 |
| OpenProblems ATAC 生成 | iLISI / MMD | 0.917 / 0.011 | 更差 |
| 未见细胞类型 RNA top-100 | iLISI / MMD | 0.867 / 0.034 | 0.716 / 0.093 |
| ATAC 扰动综合分 | absolute score | 0.839 | 0.660 |
这对做虚拟细胞、扰动筛选的人是一条能落地的路：同一套耦合流既生成配对多组学，又把扰动效应搬到没测过的细胞类型。交叉注意力换来的是跨模态协调性，不只是两条边际分布各自好看。代码和教程已经公开。
这仍是渐进的生成式改进，不是新的生物学机制发现。数据集也还窄。
扰动外推主要只在 Perturb-multiome 这一份配对数据上验证，跨平台能不能撑住，论文自己说还不知道。架构绑死在两个配对模态，蛋白组或缺失模态没有处理。交叉注意力抓到的是相关，不是因果调控。论文 PDF 与 GitHub 教程在生成/扰动的 epoch 数上写法不一致，复现时要以论文方法节为准。