ReliFlow把单基因效应的可信度写进组合扰动预测:单扰动被留出时,Norman上的MAE从0.198降到0.178
核心概要
组合扰动的转录响应预测里,加性参考的误差和真正的非加性交互混在一起,单扰动证据稀疏时尤其难分。ReliFlow用仅基于训练集交叉拟合得到的可靠性估计收缩加性锚点,并把速度场拆成已知的锚点修正项与学习到的残差输运场。在Norman遗传扰动上,组成单基因在训练中出现时MAE从0.142降到0.131,单基因被留出时从0.198降到0.178;在ComboSciPlex药物组合上MAE从0.191降到0.176。
深度剖析
组合扰动预测现在可以区分两件事:加性单效应本身估得准不准,以及组合相对加性参考多出来的交互。 此前的做法把加性参考当作固定起点,单扰动证据稀疏或完全留出时,它的误差会被一并交给非线性网络去修补。 在Norman数据上,与表中列出的最强基线scDFM相比,组成单基因在训练中可见时MAE由0.142降到0.131,单基因被留出时由0.198降到0.178,对应7.7%和10.1%的相对降幅。
模型先给每个基因的单效应算一个可靠性尺度,再据此决定加性起点收缩多少、初始分布铺多宽。 可靠性来自只在训练扰动上做的交叉拟合:把训练扰动身份分折,用不含该折响应谱的模型预测该折效应,再以对数尺度上的稳健损失训练一个非负可靠性头。 在A549细胞的ComboSciPlex药物组合划分上,MAE为0.176,对比scDFM的0.191,MMD由0.074降到0.063,DE-Spearman由0.605升到0.641。
条件速度被写成两项之和:一项是解析可算的锚点修正,另一项是网络学习的残差输运。 网络因此不必再从零重新发现两个锚点之间那段已知的差,可以把容量留给依赖交互的输运。 在Norman可见单基因划分上,去掉可靠性权重使MAE从0.131升到0.148、DE-Spearman从0.752降到0.691,是四个消融中差距最大的一个。
启示与展望
评估覆盖Norman遗传扰动的可见单基因与留出单基因两种条件不相交划分,以及A549细胞ComboSciPlex的五个留出药物对;所有划分以扰动条件而非单个细胞为单位,基因集为训练细胞选出的5000个高变基因。读者对象是从事单细胞扰动响应预测与组合筛选建模的研究人员。
可靠性尺度与误差在各支持度分组内呈正相关,但这不构成概率校准或名义不确定度覆盖的证明。留出干预组的误差最高,说明对没有训练响应的组分做外推仍然困难。三个随机种子的结果只描述运行间波动,不足以支撑强显著性结论。
