arXiv · AI×医药交叉论文· Yuchen Yan·· 18 小时前AI 评分43
基于条件能量先验表征的细胞扰动响应预测模型 PerturbEnergy
Learning Perturbation-Specific Representations through Conditional Energy Prior for Cellular Response Prediction
AI 导读
研究人员提出 PerturbEnergy 框架，通过引入条件能量先验来学习特定扰动表征，以提升基于 AI 的细胞扰动响应预测能力。该方法可整合进自编码器架构中，通过显式引导潜在空间向扰动偏好区域倾斜来捕捉扰动效应。在 4 个基准数据集上的实验显示，其潜在空间扰动识别提升最高达 83.2%，并在前 50/100/200 差异表达基因（DEG）响应预测上达到 SOTA 水平。
来源：arXiv · AI×医药交叉论文 · arxiv.org