scGPT
PulseAugur coverage of scGPT — every cluster mentioning scGPT across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
新型PT-RAG模型增强基因扰动响应预测
研究人员开发了PT-RAG，一个新颖的检索增强生成模块，旨在提高对基因扰动细胞响应的预测能力。该系统通过整合对相关扰动上下文的学习访问来增强现有的深度学习模型，解决了功能基因关系因细胞类型而异的挑战。PT-RAG采用两阶段检索机制，首先识别候选扰动，然后根据特定的细胞和遗传条件自适应地选择它们。评估表明，PT-RAG在预测质量方面持续提高，与scGPT骨干模型结合使用时，2-Wasserstein距离显著降低了5.9%。
-
新的可解释性方法区分模型表示与输入数据
一篇新的研究论文提出了一种方法，通过引入“地板”和“天花板”参考点来评估 AI 模型的可解释性。该方法旨在区分模型是否真正地表示信息，还是仅仅反映了输入数据中已有的内容。研究人员将该方法应用于为荟萃分析训练的 transformer 模型，发现尽管在分布变化下预测误差显著增加，但模型保留了相似比例的“净空”，这表明信息损失存在于数据而非模型的表示中。该研究还分析了 scGPT 基础模型，并重新审视了四项有影响力的 LLM 探测研究，发…
-
新AI框架ELISA增强单细胞基因组学发现
研究人员开发了ELISA，一个新颖的可解释框架，旨在弥合单细胞RNA测序数据与生物学发现之间的差距。这个混合生成式AI代理整合了scGPT的表达嵌入与BioBERT支持的语义检索能力。ELISA可以处理基因签名、自然语言概念或两者的混合，直接在嵌入式数据上执行通路活性评分和配体-受体相互作用预测等任务。与现有方法相比，ELISA在细胞类型检索方面表现出显著的改进，并成功复制了已发表的生物学发现，同时还产生了新的假设。
-
Xaira Therapeutics发布X-Cell模型，用于AI驱动的药物发现
Xaira Therapeutics，由首席发现官Ci Chu和首席AI科学家Bo Wang领导，开发了X-Cell模型用于药物发现。该模型在X-Atlas上进行训练，X-Atlas是一个通过CRISPR实验生成的新型数据集，可以并行测试基因表达变化。与之前专注于RNA表达的模型不同，X-Cell旨在预测改变特定基因的影响，这是开发靶向药物或基因疗法的关键步骤。该团队已将X-Cell的模型从自回归模型转向扩散模型，并证明了其泛化到真实…
-
AI框架FLAG可根据组织学图像预测空间基因表达
来自上海高等研究院、上海交通大学和复旦大学的研究人员开发了FLAG，一种从组织学图像预测空间基因表达的新型框架。该方法将任务从确定性回归重新定义为结构化分布建模，解决了高维数据中的“基因维度诅咒”问题。FLAG集成了空间图编码器和条件扩散Transformer，并与预训练的基因基础模型对齐，以捕捉基因-基因调控关系和基因-空间分布。
-
AI模型通过新颖的架构推进细胞动力学预测
研究人员正在开发新的AI模型来预测细胞动力学和对扰动的反应。一种方法Chreode使用细胞世界模型进行一步时间预测，并在扰动预测的基因状态嵌入方面显示出改进。另一项研究探索了时间图学习，其中细胞状态被建模为演化的图结构，在预测生物状态方面优于现有的基础模型。此外，一个潜在的动力学因果生成模型CITE-VAE旨在捕捉潜在的细胞程序及其扰动驱动的动力学，展示了对未见扰动的改进泛化能力。