跳到正文
arXiv · ML· Yuchen Yan, Yatao Bian·· 2026-10-14AI 评分20

PerturbEnergy:基于条件能量先验的细胞扰动响应预测方法

Learning Perturbation-Specific Representations through Conditional Energy Prior for Cellular Response Prediction

AI 导读

PerturbEnergy 提出一种条件能量先验方法,用于捕捉被细胞复杂性掩盖的扰动特异性信号,以加速药物发现。 该方法将能量分布倾斜至扰动偏好区域,并可集成进自编码器架构,证明优化其 ELBO 能增加表征与扰动间条件互信息的下界。 在四个基准数据集上,其扰动识别准确率最高提升 83.2%,并在差异表达基因(DEG)预测中达到最先进(SOTA)性能。

来源:arXiv · ML · arxiv.org