研究人员开发了ReliFlow,一种新的条件流匹配模型,旨在改进对联合基因和药物扰动转录反应的预测。该模型通过使用仅训练交叉拟合来校准单基因效应的可靠性,从而区分相互作用效应和估计误差。在Norman基因扰动和ComboSciPlex药物组合上进行测试时,与现有方法相比,ReliFlow的平均绝对误差有所降低,尤其是在成分单扰动被排除时。结果表明,考虑不确定的成分效应可以提高对未见组合的泛化能力,尽管训练成本略有增加。 AI
影响 提高了复杂生物相互作用的预测准确性,有望加速药物发现和基因研究。
排序理由 该集群包含一篇详细介绍新模型及其在特定数据集上性能的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →