标签
Jingtian Zhou 构建单细胞和计算框架以探析3D基因组，其研究成果发表于Science、Cell和Cancer Cell等顶级期刊，推动了对细胞状态和疾病的理解。
本文介绍了 bioMoR，一种用于基因组学习的生物引导混合递归框架，它将结构化的生物学知识整合到递归 Transformer 架构中，在多个组学基准上提升了效率和准确性。
BioM-JEPA 引入了一种联合嵌入预测架构，通过预测图连接基因块而非单个基因来学习单细胞表示，在扰动响应任务中展现出更高的效率和下游性能。
这篇arXiv论文介绍了CohortHijack，一种鲁棒性审计方法，通过从单细胞查询队列中移除非目标细胞，来测试在不改变目标细胞表达谱的情况下，注释工具可能如何被操纵。研究表明，在保留目标细胞的同时，结构化移除和搜索策略可以改变主流流程中的精炼标签，从而将查询队列组成识别为一个攻击面。
本文研究了一项自监督任务，即使用带有量化VAE分词器的自回归Transformer生成单细胞基因表达向量。文中报告了单细胞基础模型的缩放定律和计算最优前沿，并讨论了针对扰动预测进行微调的潜力。
本文介绍了CoCoS，一种对比预训练框架，通过互补的转录组视图学习全细胞表征，解决了单细胞基础模型中掩码基因重建的局限性。在细胞类型注释和基因调控网络推断实验上，展示了具有竞争力的迁移性能。
This paper analyzes the Virtual Cell Challenge benchmark for held-out CRISPRi perturbation prediction, finding that simple magnitude-based scalar features outperform deep MLP encoders, and that magnitude-only predictors transfer better across cell types.
GSK扩大了与Relation Therapeutics的1.1亿美元AI药物发现合作，强调来自实验室实验的干净、疾病特异性生物学数据比更大的模型更有价值。此举突显了整个行业向专有数据转变的趋势，将其视为AI驱动制药领域的竞争护城河。
Arc Institute宣布首个全身DNA甲基化和3D基因组组织图谱，以单细胞分辨率覆盖16种人体组织，发表在Science上。
本文介绍了CoDiffGRN，一个用于基因调控网络推断的共进化离散扩散框架，以及一个新的归纳评估基准BEELINE-KGC。它在新型调控发现中取得了最先进的性能。
SpaCellAgent 是一个自进化的大语言模型多智能体框架，能够从自然语言查询自动执行端到端的时空轨迹分析，实现分析效率提升超过40%，同时保持专家级别的性能。
PerturbCellRL 提出一种强化学习框架，通过使用细胞级验证器作为奖励对预训练的单细胞转录组生成器进行后训练，从而在分布匹配之外提升扰动预测的生物学一致性。
本文介绍了PolyILR，一种与任意树拓扑对齐的Aitchison切空间的正交归一分解，为诸如微生物组和单细胞谱等成分数据提供了稳定且可解释的特征。
本文介绍了FreeBridge，一种基于变分Schrödinger桥的框架，用于从高内涵成像数据建模细胞转变，学习受限于固定细胞流形的随机传输，以实现具有竞争力的端点保真度并减少中间支撑违反。
CellBRIDGE是一种新方法，通过引入配体-受体相互作用成本来模拟细胞间通讯，增强了对scRNA-seq轨迹推断的最优传输，改进了对齐并实现了可解释的计算机模拟扰动。
PerturbSpace 是一种空间转录组学方法，通过将组织切片压到带有条形码微孔的芯片上，利用抗体为细胞标记位置编码，再进行单细胞测序，实现超过90%的可靠空间定位。
来自Arc Institute的一篇新预印本介绍了PerturbSpace，这是一种空间分辨、多模态全转录组CRISPR筛选方法，与标准单细胞工作流程兼容。
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。
本文介绍了 GATHER，这是一种基于知识图谱的以汇聚为中心的检索方法，用于零样本细胞类型注释。与现有的 KG-RAG 基线方法相比，该方法提高了准确性并降低了大语言模型（LLM）的成本。
# 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。