bioRxiv 预印本· Liou, H.-Y., Sprang, M., Selby, D. A., Grossmann, G., Vollmer, S., Riesgo-Ferreiro, P., Gerbracht, J. V., Schroers, B., Strilic, B., Kim, J. ·· 5 天前AI 评分18
Graph-guided Flow Matching(GFM)实现单细胞分辨率下生物学知识引导的扰动响应预测
Graph-guided flow matching enables biologically informed prediction at single-cell resolution
AI 导读
研究者提出生成式框架 Graph-guided Flow Matching(GFM),将生物学知识图谱与潜在流匹配结合,用于预测扰动后的单细胞转录组。在多个大规模 Perturb-seq 数据集上,GFM 预测未见单基因扰动的表现优于强线性基线和现有深度学习模型,训练速度最高快 30 倍,且在训练数据有限时仍保持稳健。
来源:bioRxiv 预印本 · biorxiv.org