LecturaInvestigaciónRadarMarco de inversión
Iniciar sesión / Registrarse
← Volver a la lectura
TemaEditorial de DisconfirmAIActualizado 2026-10-04 01:01

基因扰动基准指标

5 pasos1 piezas6 Fuentes

基因扰动预测模型(AI 虚拟细胞的一类)到底有没有用,正卡在评估指标上。此前多篇论文指出,这类模型在预测细胞对基因改动的响应时,常常跑不赢简单的均值或线性基线;2025 年 11 月,Shift Bioscience 提出相反解释:常用指标本身失准,无法区分有信息量的预测与无信息量的预测,用其校准框架(基于 14 个 Perturb-seq 数据集筛选的 rank-based 与 DEG-aware 指标)重新评估后,模型稳定胜过基线。此后一年间,围绕扰动数据的基准研究密集展开:2026 年 3 月,十亿参数单细胞基础模型 scLong 在扰动预测等多项任务上报告优于 Geneformer、scGPT 等模型;5 月,PSGRN 用合成金标准自训练在 CausalBench 上夺冠;9 月,一项基于 PerturBase 大规模 Perturb-seq 数据的转录因子活性推断基准比较了八种方法,发现方法表现高度依赖 GRN 来源、regulon 与差异表达基因的重叠程度等因素。分歧的核心在于:模型不行,还是尺子不行——Shift 一方认为是指标问题,早期批评论文认为是模型问题;要厘清它,需要社区就校准后的指标口径达成共识,并在独立数据集上复现双方结论。【存疑】Shift 的研究由自身(一家用虚拟细胞做靶点发现的公司)发布,其结论尚待独立验证。

Cómo llegó hasta aquí

  1. 2025-11-11

    Shift Bioscience 发布指标校准框架研究,称常用指标在弱扰动数据集上无法区分稳健预测与无信息预测;用 14 个 Perturb-seq 数据集筛选出校准良好的指标后,虚拟细胞模型稳定胜过均值、对照和线性基线。

    news-medical.net ↗
  2. 2026-03-18

    MBZUAI、UC San Diego 等机构在 Nature Communications 发表十亿参数单细胞基础模型 scLong,对约 2.8 万个基因全基因组建模并融入 GO 知识,报告在遗传扰动预测、药物反应预测等任务上优于 Geneformer、scGPT、GEARS 等模型。

    news.qq.com ↗
  3. 2026-05-01

    Science Advances 发表 PSGRN:通过合成金标准自训练从单细胞扰动数据推断基因调控网络,在 CausalBench 挑战的多项指标上领先,K562 细胞系 Wasserstein 距离提升超 43%。

    ebiotrade.com ↗
  4. 2026-09-18

    Briefings in Bioinformatics 发表基于 PerturBase 的 17 个细胞系、174 次单基因扰动的大规模基准,系统比较八种转录因子活性推断方法,发现方法排名高度依赖 GRN 来源与 regulon-DEG 重叠度等因素。

Iniciar sesión / Registrarse
LecturaInvestigaciónRadarMarco de inversión
ebiotrade.com ↗
  • 2026-10-01

    Nature Biotechnology 论文(附 Shift Bioscience 的 GitHub 代码)重申:校准指标后深度扰动模型可胜过基线,评估口径需要重看。

    nature.com ↗
  • Lo que aún está pendiente

    • 校准后的指标能否成为社区共识的评估标准,取代此前批评论文所用的口径?
    • Shift Bioscience 的结论是否能在其公司之外的独立实验室复现?
    • 不同基准研究(CausalBench、PerturBase、Norman 等)的结论能否在统一口径下相互印证?

    Fuentes

    • news-medical.netShift Bioscience 校准框架(News-Medical)↗
    • news.qq.comscLong 报道(腾讯新闻/新智元)↗
    • ebiotrade.comPSGRN(生物通)↗
    • ebiotrade.comTFA 推断基准(生物通)↗
    • nature.comNature Biotechnology 论文↗
    • github.comShift Bioscience 代码仓库↗

    Cobertura en este tema

    • Miscalibrated benchmarks may have understated deep learning perturbation models2026-10-01Noticias

      Common perturbation benchmarks are miscalibrated; deep models beat baselines once metrics are fixed.