单细胞CRISPR扰动的几何一致性揭示调控架构并预测细胞应激

Hugging Face Daily Papers 论文

摘要

# 论文页面 - 单细胞CRISPR扰动的几何一致性揭示调控架构并预测细胞应激 来源:[https://huggingface.co/papers/2604.16642](https://huggingface.co/papers/2604.16642) ## 摘要 尽管基因组工程在序列层面已达成卓越精度,预测扰动后细胞将占据的转录组状态仍是未解难题。单细胞CRISPR筛选可测量细胞偏离未扰动状态的程度,但这一效应幅度忽略了一个根本问题:细胞是否协同移动?若一个扰动将细胞沿共同轨迹一致推进,而另一个将其分散到表达空间各处,即使幅度相同,结果也可能截然不同。

基因组工程在序列层面已达成卓越精度,但预测扰动后细胞将占据的转录组状态仍是开放难题。单细胞CRISPR筛选可测量细胞偏离未扰动状态的程度,然而这一效应幅度忽略了一个根本问题:细胞是否协同移动?两个幅度相同的扰动,若一个将细胞沿共同轨迹一致推进,另一个却将其分散到表达空间各处,便可能产生定性差异的结果。我们提出几何稳定性指标 Shesha,以单个细胞位移向量与平均扰动方向之间的平均余弦相似度,量化单细胞扰动响应的方向一致性。在五个CRISPR数据集(涵盖CRISPRa、CRISPRi及混合筛选的2,200+扰动)中,稳定性与效应幅度高度相关(Spearman ρ=0.75–0.97),跨数据集校准相关性达0.97。关键地,当两项指标脱钩的“失协”案例出现时,可暴露调控架构:多效主调控因子如CEBPA和GATA1需支付“几何税”,产生幅度大却失协的位移;而谱系特异因子如KLF1则带来高度协同的响应。控制幅度后,几何失稳仍与伴侣蛋白激活升高(HSPA5/BiP;跨数据集偏ρ=–0.34与–0.21)独立相关,且高稳定性/高应激象限被系统性耗竭。该幅度-稳定性关系在scGPT基础模型嵌入中依旧存在,证实其为生物状态空间的属性,而非线性投影所致。扰动稳定性为筛选中的命中优先级排序、细胞制造中的表型质控,以及计算机扰动预测评估,提供了互补的评判维度。
查看原文
查看缓存全文

缓存时间: 2026/04/21 07:21

论文页面 - 单细胞 CRISPR 扰动的几何一致性揭示调控结构并预测细胞应激

来源:https://huggingface.co/papers/2604.16642

摘要

基因组工程已实现了序列级别的惊人精度,但预测扰动后细胞将占据的转录组状态仍是一个开放问题。单细胞 CRISPR 筛选可以测量细胞偏离未扰动状态的程度,但这种效应幅度忽略了一个根本问题:细胞是否“同向”移动?若两个扰动的幅度相同,但一个使细胞沿共同轨迹一致迁移,另一个则将其分散在表达空间中,则会产生定性差异的结局。我们提出几何稳定性指标 Shesha,以单个细胞位移向量与平均扰动方向之间的平均余弦相似度,量化单细胞扰动响应的方向一致性。在五个 CRISPR 数据集(2,200+ 扰动,涵盖 CRISPRa、CRISPRi 与混合筛选)中,稳定性与效应幅度高度相关(Spearman ρ=0.75–0.97),跨数据集校准相关性达 0.97。关键在于,二者解耦的“失和”案例暴露了调控结构:多效主调控因子(如 CEBPA 与 GATA1)需支付“几何税”,产生大而分散的位移;而谱系特异性因子(如 KLF1)则产生紧密协调的响应。控制幅度后,几何不稳定性仍与伴侣蛋白激活升高独立相关(HSPA5/BiP;偏 ρ=–0.34 与 –0.21),且高稳定性/高应激象限系统性地缺失。该幅度-稳定性关系在 scGPT 基础模型嵌入中依旧成立,证实其为生物状态空间的属性,而非线性投影所致。扰动稳定性为筛选中的靶点优先级、细胞制造的表型质控,以及 in silico 扰动预测评估,提供了互补的新维度。

查看 arXiv 页面 (https://arxiv.org/abs/2604.16642)
查看 PDF (https://arxiv.org/pdf/2604.16642)
GitHub0 (https://github.com/prashantcraju/geometric-stability-crispr)
添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2604.16642)

在您的智能体中获取此论文:

hf papers read 2604.16642

尚未安装最新 CLI?
curl -LsSf https://hf.co/cli/install.sh | bash

引用该论文的模型 1

pcr2120/shesha-geometry 其他 • 约 6 小时前更新 (https://huggingface.co/pcr2120/shesha-geometry)

引用该论文的数据集 0

无数据集链接此论文

在数据集 README.md 中引用 arxiv.org/abs/2604.16642,即可在此页面显示链接。

引用该论文的 Spaces 0

无 Space 链接此论文

在 Space README.md 中引用 arxiv.org/abs/2604.16642,即可在此页面显示链接。

收录该论文的合集 0

无合集收录此论文

将此论文添加到合集 (https://huggingface.co/new-collection),即可在此页面显示链接。

相似文章

scShapeBench: 从高维scRNAseq数据中发现几何结构

arXiv cs.LG

介绍scShapeBench,一个用于高维单细胞数据形状检测的基准数据集,以及scReebTower,一种使用扩散几何和Reeb图将数据形状分类为聚类、轨迹、多分支和原型的基线方法。