跳到主要内容
返回时间线
arXiv来源发表:

S1Pert把基因扰动预测从“背频率”拉回目标本身:四个细胞系宏F1最高0.850

核心概要

CRISPR扰动筛选里,模型常靠记住某个基因历史上爱升还是爱降来拿高分,却分不清是哪个扰动靶点造成的。S1Pert把统计上说不清的响应排除在监督之外,用冻结编码器离线缓存靶点、查询基因和历史证据的表示,在线只跑轻量解码器。在HepG2、Jurkat、RPE1、K562四个细胞系上,它的宏F1分别为0.850、0.698、0.785、0.769,比最强基线高5.8至6.4个百分点。

Source-provided article image: S1Pert: Scalable Target-Specific Gene Response Prediction with System-One Intelligence
arXiv

深度剖析

S1Pert把“同一查询基因在不同扰动靶点下如何响应”变成可单独评估的预测目标,而不只是整体分类准确率。 此前在留出靶点评估下,基因自身的历史响应倾向对未见扰动仍然有信息量,因此聚合指标高并不能说明预测依赖了被扰动的靶点。 在四个细胞系各五次留出靶点划分上,S1Pert的宏F1为0.850、0.698、0.785、0.769,比表中最强基线高5.8至6.4个百分点,并在三种响应类别上F1均列第一。

训练标签先经过统计裁决,把“确实不变”和“证据不足”分开,再进入监督和历史先验。 常规差异表达流程在方向检验不显著时直接标为不变,把低深度采样噪声和生物学不变混在一起。 在K562上把每个靶点的细胞与对照细胞拆成两个不重叠细胞池,低深度池A只能直接检出部分参考差异表达响应,其余成为统计功效不足;S1Pert的等效性裁决把这些对全部隔离为不确定,而不引入假的不变标签。

在线推理不再对每个靶点–基因对重复编码全文,而是复用离线缓存的语义地标。 逐对编码共享文本或自回归生成理由,在数百万靶点–基因对上会带来大量重复计算。 冻结的Jev主干只对唯一单流输入做一次前向,把中间层地标拼成36个token的序列送入上层八层,证据存在与证据屏蔽两种表示都离线缓存;在线由轻量分层交叉注意力解码器单次前向输出结果。

跨靶点成对排序与同步历史证据丢弃共同压低对基因级响应频率的依赖。 只做逐点拟合时,模型可以重复每个基因的历史倾向而忽略被扰动的靶点。 在K562上做推理期靶点置换后,宏F1从0.769降到0.703,下调类F1从0.602降到0.489,说明预测确实用到了上游扰动身份。

启示与展望

演示范围是HepG2、Jurkat、RPE1、K562四个细胞系上的CRISPRi方向性三分类,每个细胞系独立建模,按留出靶点划分训练、验证与测试,所有方法使用同一套裁决标签和同一批靶点–基因对。

统计上不确定的靶点–基因对被排除在训练监督和主要评估之外,因此报告的性能只覆盖可裁决的响应;跨细胞系冷启动依赖回退到全局类别计数,其证据支持有限。