跳到正文
arXiv · ML· Andrea Giuseppe Di Francesco, Andrea Rubbi, Rishabh Jain, Pietro Li\`o·· 2026-10-09AI 评分41

PT-RAG 提出可微检索增强生成方法预测细胞对基因扰动的转录反应

Differentiable Retrieval-Augmented Generation for Predicting Cellular Responses to Gene Perturbation

AI 导读

PT-RAG 模块通过可微检索增强生成提升细胞基因扰动响应预测效果,已获 NeurIPS 2026 主会录用。 其采用两阶段检索机制,基于 GenePT 语义检索结合 Gumbel-Softmax 选择器,在 scGPT 交叉细胞类型任务中将 2-Wasserstein 距离相对降低 5.9%。 代码已开源可复现,显著改善分布相似性与预测质量,服务于功能基因组学与药物发现。

来源:arXiv · ML · arxiv.org