24小时热门版块排行榜    

查看: 19  |  回复: 1
【有奖交流】积极回复本帖子,参与交流,就有机会分得作者 君录生物 的 4 个金币 ,回帖就立即获得 1 个金币,每人有 1 次机会

君录生物

新虫 (小有名气)


[交流] Cell|State:以细胞集合建模跨语境扰动响应

▍导读
2026年9月17日,Adduri、Gautam、Bevilacqua 等人在 Cell 正式发表 State。该模型以细胞集合为预测单位,由 State Embedding(SE)与 State Transition(ST)两部分组成:SE 从 167 million 个观察性细胞中学习细胞状态表示,ST 使用超过 100 million 个扰动细胞、覆盖 70 种人类细胞语境,学习遗传、信号和化学扰动引起的群体表达变化。State 在大型数据集上的扰动效应判别能力提升超过 30%;论文同时提出 Cell-Eval,从扰动区分、差异表达和效应强度等维度评估模型。

▍研究背景
Perturb-seq、药物筛选和细胞因子刺激实验可以同时记录大量单细胞的转录组响应,为解析基因功能、信号通路和候选靶点提供数据基础。
扰动效应具有明显的语境依赖性。同一种基因编辑、药物或细胞因子,在不同细胞类型、来源和初始状态中可能引起不同的表达变化;单细胞测序在测量时会破坏细胞,扰动前后因此缺少同一细胞的配对轨迹。模型需要从两组独立采集的细胞群体中学习分布变化。
State 将单细胞或伪批量表示扩展为细胞集合,利用集合内部的异质性描述扰动前后的群体状态,并检验扰动规律在低覆盖和零扰动数据语境中的迁移能力。

▍研究方法
State 按分子、细胞和群体三个尺度组织信息,核心由 SE 与 ST 两个模块组成:
- State Embedding(SE):在 167 million 个观察性人类细胞上训练,将单细胞转录组编码为细胞状态表示,形成跨数据集、组织和实验的细胞状态空间。
- State Transition(ST):使用超过 100 million 个扰动细胞、覆盖 70 种人类细胞语境。ST 以对照细胞集合、扰动信息和协变量为输入,通过自注意力建模集合内部的异质性,输出扰动后的细胞集合。
- 群体级训练:模型比较预测细胞集合与真实扰动细胞集合的分布差异。集合中的细胞没有固定顺序,这种建模方式与单细胞扰动实验的采样结构一致。
- 多类型基准:评测覆盖遗传扰动、细胞因子信号和化学扰动,并同时考察扰动效应判别、差异表达基因识别、表达变化方向和效应强度。
- Cell-Eval:论文将上述指标整合为统一评测框架,用于比较 State 与多种基线,也为后续扰动预测模型提供可复用的评价工具。

▍核心发现
1、把细胞集合设为预测单位
ST 通过自注意力在细胞集合内交换信息,使每个细胞的预测同时参考同一实验中的其他细胞。模型由此保留群体异质性,并学习扰动前后两个细胞分布之间的转换。
消融比较显示,完整的集合模型优于均值池化的伪批量版本和集合大小为 1 的单细胞版本,说明集合结构本身参与了性能提升。

2、性能增益集中在大规模、多语境数据
在扰动效应判别任务中,State 在 Tahoe-100M 和 Parse-PBMC 上分别取得 54% 和 29% 的绝对提升;表达变化相关性分别提高 63% 和 47%。论文在遗传、信号和化学三类扰动中评估差异表达基因识别,整体准确性得到提升,个别遗传扰动指标存在例外。
遗传扰动数据上的优势更窄:扰动判别与扰动均值基线(perturbation mean baseline)持平,表达变化相关性提高 5%;线性模型的差异表达重叠指标比 State 高 20%,语境均值基线(context mean baseline)的倍数变化预测比 State 高 12%。综合多项指标,State 的整体表现最稳定。

3、SE 支持零扰动数据语境中的效应识别
SE 从 167 million 个观察性细胞中学习细胞状态空间,再把这一表示交给 ST。借助这种预训练表示,State 能在训练阶段未观察到扰动数据的细胞语境中识别强扰动。
零样本指特定细胞语境缺少扰动观测,SE 仍使用该语境的观察性细胞构建状态表示。论文另设低覆盖语境任务,两类评测的训练信息不同。

4、Cell-Eval 把评测连接到生物学任务
Cell-Eval 同时评价模型能否区分扰动、找回差异表达基因、判断表达变化方向并估计扰动强度。多维指标将模型在不同能力上的表现分别呈现。
Cell-Eval 统一了扰动预测的评价口径,使模型改进能够对应到明确的生物学任务。

▍核心结论速览
- SE 在 167 million 个观察性细胞上学习状态表示;ST 使用超过 100 million 个扰动细胞,直接预测细胞集合。
- State 在大型、多语境数据上的增益最明显;遗传扰动的部分指标与简单基线持平或由简单基线领先。
- Cell-Eval 将扰动区分、差异表达、变化方向和效应强度纳入统一评测。

▍研究意义
State 将细胞状态表示、群体响应预测和多维评测连接为一套方法流程。它对扰动组学的直接启示是:模型训练需要保留细胞群体结构,跨语境能力需要观察性图谱与扰动数据共同支撑,性能判断则应落实到差异表达、扰动区分和效应强度等具体任务。

▍局限与下一步方向
现有评测聚焦人类单细胞转录组及遗传、信号和化学扰动。下一步基准可覆盖剂量梯度、时间序列、组合扰动、跨物种迁移,以及蛋白质组和表观组响应;细微效应和训练分布外实验条件也需要单独评估。

▍FAQ
Q:State 是什么?
State 是面向单细胞扰动响应预测的模型系统,由细胞状态表示模型 SE 和群体状态转换模型 ST 组成。
Q:为什么要按细胞集合建模?
单细胞扰动实验分别采集扰动前后的细胞群体,缺少同一细胞的成对轨迹。集合模型可以比较两个群体的分布,并保留同一条件下的细胞异质性。
Q:SE 和 ST 分别做什么?
SE 将单细胞转录组编码为可迁移的细胞状态表示;ST 接收对照细胞集合、扰动和协变量,预测扰动后的细胞集合。
Q:“提升超过 30%”如何理解?
该数字专指大型数据集上的扰动效应判别能力;不同数据集、指标和扰动类型应分别查看对应结果。论文还评估了差异表达、变化方向和效应强度。
Q:如何用于候选靶点研究?
模型适合用于候选扰动排序、响应模式比较和验证实验设计。湿实验继续承担因果确认、剂量与时间窗口评估以及安全性验证。

▍君录视角 · 生信方法
方法启示:State 把细胞集合设为基本预测单位,提醒扰动组学分析保留单细胞分布信息。对照与处理组之间的变化同时体现在均值、细胞亚群比例、响应幅度和群体异质性上。
数据启示:跨语境能力来自观察性图谱与扰动数据的配合。项目设计可同步规划高质量对照、语境覆盖、扰动强度和外部留出集,使模型训练与生物学验证对应同一研究问题。模型选择可并列考察扰动区分、差异表达恢复、效应强度和重建误差。

▍原文信息
Adduri AK, Gautam D, Bevilacqua B, et al. Predicting cellular responses to perturbation across diverse contexts with State. Cell. 2026;189(19):5914–5931.e20. doi:10.1016/j.cell.2026.07.052. PMID: 42673963.

▍关于我们
君录生物· 以数据驱动创新药早期开发
探索AI赋能生物医药新形态与新范式
做靶点发现与药物管线早期资产
生信分析平台IntelliCytoPilot
单细胞数据库HeCellAstra
回复此楼

» 猜你喜欢

» 本主题相关商家推荐: (我也要在这里推广)

» 抢金币啦!回帖就可以得到:

查看全部散金贴

已阅   回复此楼   关注TA 给TA发消息 送TA红花 TA的回帖
简单回复
2026-11-19 17:29   回复  
君录生物(金币+1): 谢谢参与
相关版块跳转 我要订阅楼主 君录生物 的主题更新
普通表情 龙 兔 虎 猫 高级回复 (可上传附件)
最具人气热帖推荐 [查看全部] 作者 回/看 最后发表
[考博] 售SCI文章,我:8O.5.5.1O.54,科目全,可十急 +4 SX5mJmPWDfOO 2026-11-13 4/200 2026-11-19 17:15 by Equinoxhua
[论文投稿] IVD领域内综述投稿推荐 100+3 小小筑梦 2026-11-16 5/250 2026-11-19 17:03 by hansi2025
[教师之家] 为了不被淘汰,必须要开始第三次奋斗了 +8 lice_1987 2026-11-15 10/500 2026-11-19 12:39 by wangze638
[基金申请] 注意啦!用基金购买打印纸、硒鼓、优盘、移动硬盘、个人计算机属于违规了 +3 iaeyuan 2026-11-17 3/150 2026-11-19 08:45 by newfuzzy1
[教师之家] 征友后感触 +6 重新启 2026-11-17 7/350 2026-11-19 08:12 by m_zyj
[论文投稿] 售SCI一区文章,我:8.O.551.O.5.4,科目全,可伽急 +5 XJXMuRjD7cK7 2026-11-13 5/250 2026-11-19 00:17 by Equinoxhua
[考博] 27博士申请(市政/环境) +4 ladf 2026-11-12 4/200 2026-11-18 20:18 by junqiang
[找工作] 售SCI一区T0P文章,我:8.O.55.1.O54,科目全,可伽急 +3 SX5mJmPWDfOO 2026-11-13 3/150 2026-11-18 14:51 by UPDUsNlULsJZ
[硕博家园] 售SCI文章,我:8O5.5.1.O.54,科目齐全,可+急 +5 SX5mJmPWDfOO 2026-11-13 6/300 2026-11-18 13:33 by UPDUsNlULsJZ
[考博] 售一区SCI文章T0P,我:8O.551.O54,科目全,可十急 +5 XJXMuRjD7cK7 2026-11-13 5/250 2026-11-18 13:22 by UPDUsNlULsJZ
[考研] 售SCI一区文章,我:8.O.55.1.O.54,科目齐全,可伽急 +4 uKOSCocCb6Fm 2026-11-13 4/200 2026-11-18 11:21 by Z1pODz48hoDV
[考研] 售SCI一区T0P文章,我:8O.55.1.O.54,科目全,可伽急 +5 uKOSCocCb6Fm 2026-11-13 5/250 2026-11-18 10:15 by Z1pODz48hoDV
[论文投稿] 售SCI一区T0P文章,我:8O.55.1.O.5.4,科目齐全,可+急 +3 uKOSCocCb6Fm 2026-11-13 4/200 2026-11-18 10:04 by Z1pODz48hoDV
[公派出国] 售SCI文章,我:8O5.5.1.O.54,科目齐全,可+急 +4 uKOSCocCb6Fm 2026-11-12 8/400 2026-11-18 09:53 by Z1pODz48hoDV
[考研] 售SCI一区文章,我:8.O.551.O.5.4,科目全,可伽急 +4 uKOSCocCb6Fm 2026-11-12 6/300 2026-11-18 09:31 by Z1pODz48hoDV
[论文投稿] 售SCI-T0P文章,我:8O.5.5.1.O.54,科目齐全,可+急 +5 uKOSCocCb6Fm 2026-11-12 8/400 2026-11-18 09:20 by Z1pODz48hoDV
[公派出国] 售一区SCI文章T0P,我:8O.551.O54,科目全,可十急 +4 uKOSCocCb6Fm 2026-11-12 8/400 2026-11-18 08:58 by Z1pODz48hoDV
[硕博家园] 售一区SCI文章T0P,我:8O.551.O54,科目全,可十急 +4 uKOSCocCb6Fm 2026-11-13 4/200 2026-11-16 11:06 by K7HMGGdOpylw
[公派出国] 售SCI一区文章,我:8.O.55.1.O.54,科目齐全,可伽急 +4 uKOSCocCb6Fm 2026-11-13 4/200 2026-11-16 10:44 by K7HMGGdOpylw
[考博] 售SCI文章,我:8O5.5.1.O.54,科目齐全,可+急 +3 uKOSCocCb6Fm 2026-11-12 7/350 2026-11-15 03:32 by xSrQNSSjcgoX
信息提示
请填处理意见