细胞多模态基础模型不再只求对齐:新指标显示,只有跨模态互补才值得融合
细胞多模态基础模型通常冻结各模态编码器,只训练一个融合接口,但融合是否真的带来单模态之外的信息一直缺少判据。研究者提出协同信息分数(SIS),以线性探针下融合表示相对最强单模态表示的性能增益来度量可及协同。在肺、胸腺、乳腺三套空间转录组数据上,冗余主导的任务里单模态基线已足够,而分辨率不匹配的胸腺任务中非谱融合方法取得更高SIS。
细胞多模态基础模型通常冻结各模态编码器,只训练一个融合接口,但融合是否真的带来单模态之外的信息一直缺少判据。研究者提出协同信息分数(SIS),以线性探针下融合表示相对最强单模态表示的性能增益来度量可及协同。在肺、胸腺、乳腺三套空间转录组数据上,冗余主导的任务里单模态基线已足够,而分辨率不匹配的胸腺任务中非谱融合方法取得更高SIS。
单细胞扰动预测的Transformer需要给基因一个位置,但基因没有天然顺序,静态共表达掩码又无法反映扰动引起的调控重连。SPEAR把每个基因的位置改为共表达图拉普拉斯给出的连续坐标,并在每一层由扰动条件下的隐状态重新推导标量位置,两者相加成一个旋转角。在遗传、药物和细胞因子扰动基准上,SPEAR在差异表达方向与幅度等指标上优于包括scDFM在内的基线,并在留出组合上取得最大差距。
科学基础模型通常只带着聚合基准分数发布,而真正影响使用的性能边界往往要等部署后才由零散报告暴露。AutoSPECTRA 把通用编码智能体的审计过程约束成一套可复现协议:先定义可测量的泛化轴,再在固定参照方法下做受控比较,并在未用于选题的数据上独立确认。在 ESMFold2、STATE、CONCH 和 AlphaMissense 四个生物基础模型上,审计分别把性能变化与蛋白质序列组成及预训练数据亲缘度、训练中扰动的表示、有效空间分辨率、残基层面的基因组与演化结构背景联系起来,也驳回了若干最初看似成立的假设。
儿童髓母细胞瘤与室管膜瘤的治疗要在复发风险与放疗长期副作用之间取舍,而现有临床指标和分子亚型只能给出群体层面的风险。MANTIS以全基因组DNA甲基化芯片数据和基因级拷贝数变化为输入,用神经网络输出诊断后10年的个体化生存概率曲线,在独立临床试验队列中c-index最高达到0.80 ± 0.07,高于现有临床指标和仅用亚型的模型。同一框架扩展出的治疗效应模型进一步标出约60%的平均风险髓母细胞瘤患者,在接受较低剂量颅脊髓照射时未检测到显著生存劣势(P = 0.683)。
同时测序单细胞转录组与三维基因组的技术已经能给出同一细胞的配对数据,但两类数据在噪声、尺度和生物学含义上差异很大,此前通常分开分析,各自学到的低维空间也不对齐。scHiR用两个模态各自的编码器把基因表达与染色质接触矩阵映射到同一个超球面潜空间,再分别重建两种信号。在HiRES、GAGE-seq和LiMCA三种技术产生的配对数据上,联合嵌入的聚类表现与单组学方法相当或更好,并在小鼠主嗅上皮数据上把伪时间与发育阶段的Spearman相关从单组学的0.357和0.205提高到0.517。
单细胞扰动图谱只覆盖了可能实验组合的一小部分,而现有生成模型需要从实测对照细胞映射到扰动细胞,且缺少判断预测好坏的实验参照。GENESIS 改为直接从细胞系或供体、药物或细胞因子、剂量和实验批次这些条件变量生成单细胞表达分布,用能量分数训练轻量多层感知机,推理时不需要对照细胞。在 Tahoe-100M 的 530 对重复平板上,其 Pearson Δ 为 0.430、实验重复为 0.432,能量距离为 0.158、实验重复为 0.154,两项与实验重复无显著差异;top-100 差异基因重叠为 0.289、实验重复为 0.299,低 3.4%。
孤立性局灶性肌张力障碍只有不到五个已知致病基因,家系小、外显不全让连锁分析难以展开。研究团队用三维卷积网络DystoniaGeneNet从T1加权脑MRI判断家族性,在独立测试集中正确识别21例家族性病例中的18例(85.7%),并以该影像内表型指导214人的外显子变异筛选与共分离分析。据此在RAP1GAP、TNN和ITSN2中发现与疾病共分离的罕见变异,三者共同指向突触周围细胞外基质—突触信号通路。
在922名供者的347万个外周血单核细胞核上,研究把染色质开放程度当作可遗传的分子性状,在28种免疫细胞类型中定位出243,225个染色质开放数量性状位点(caQTL),其中六成只在单一细胞类型中起作用。与单细胞表达数量性状位点(eQTL)相比,这些位点在16种疾病和44项血液性状的全基因组关联信号上多共定位4.5%到22.6%;把细胞类型、远端窗口和多因果变异模型一起纳入后,炎症性肠病位点有共定位证据的比例从约16%升到约65%。
罕见错义变异对复杂性状的贡献长期被低估,因为把同一基因内的变异合并成一个负荷分数会抹平效应差异。核等位系列模型(KASM)用蛋白结构与变异效应预测注释构造基因内效应协方差核,在786,871例外显子组、26个连续性状上把错义变异可解释遗传率的下界从0.54±0.04%提高到至少1.27±0.09%,最灵活模型下为1.83±0.11%,超过功能丧失变异的0.87±0.05%。
罕见变异关联研究产出的显著关联越来越多,判断每条关联此前是否已有证据,正成为比发现本身更紧的瓶颈。PESTO把大语言模型的文献审读与Open Targets结构化遗传证据合成一条智能体流程,按Novel、Hypothesized、Existing、Established四档给出带引文的判定。在两项罕见变异研究的940个独特基因-表型对上,7%被判为无任何既往证据,21%只有机制或间接支持;50个随机配对阴性对照中86%落入前两档。