论文题名： Deep-learning-based gene perturbation effect prediction does not yet outperform simple linear baselines

期刊与年份： Nature Methods，2025。论文原文。

范围为正文全部编号主图及其子图，包含流程示意图。Extended Data 和 Supplementary Figures 不在本次范围。页码指阅读时所用 PDF 的文件页码。

返回专题总目录

研究问题： 单/双基因扰动表达预测中的复杂模型，是否真正超过加性、平均和线性预测基线？

研究难点与构思

扰动预测的吸引力是把尚未做的实验变成可计算的表达响应，但“预测得像”可能来自细胞共有的背景而非被扰动基因的作用。双扰动更困难：有两个单基因结果，并不表示模型能识别协同或缓冲。我的推测是，论文构思来自把这一承诺拆成不同泛化任务，再用刻意简单但匹配任务的基线要求复杂模型承担证明责任。简单不等于弱：若大多数响应可相加，知道两个单扰动的加法模型拥有强而合理的信息。

一个清楚的基准还要写出什么信息可以提前知道。双扰动的两个单效应是训练资料，直接相加合法；未见单扰动则不能把目标基因的响应用于构造其输入。基础嵌入可以携带外部知识，但来源与重叠要说明。若这些条件没有统一，模型胜出可能仅因多用了目标资料，模型失败也可能因为对手拿到了它没有的可用信息。

论文进一步提示输出收缩的问题。许多预测对不同扰动变化不足，接近同一个背景；对总体表达误差这是低风险策略，对发现条件差异则是失败。应检验预测方差、扰动间距离和少数强响应的恢复，而不只看平均误差。反过来，输出幅度变大也不是改善：噪声会制造极端协同候选，因此必须结合方向、真值与假发现控制。这个约束直接关联实验选择，错误挑选极端候选会浪费后续实验资源。

输入、输出与模型比较

双扰动使用Norman的K562 CRISPR激活数据，训练包含全部100个单扰动及62个双扰动，测试另外62个双扰动，重复五种划分。预测目标是基因表达或相对对照的变化，不是直接预测疾病治疗收益。加法基线将两个单扰动的对数倍数变化相加，不需要双扰动训练结果。这个任务检验已知单扰动的组合泛化，不能说模型完全没见过涉及的基因。

单扰动测试则在Replogle K562、RPE1及Adamson数据中留出扰动条件，检验未见干预。线性基线把读出基因表示为G、扰动表示为P，以低维矩阵W映射，近似Y≈GWPᵀ+b，其中b为每基因均值。G与P可以来自训练数据降维，也可用预训练嵌入。这个接口把表征价值和复杂解码器价值分开：相同嵌入用线性模型已达到或超过原模型时，不能把原网络的性能全归给深架构。

受评模型中的基础预训练通常是自监督，扰动响应训练与微调却使用实际干预后的表达标签。因此这里评价的是监督预测及迁移，不能称为纯无监督模型。部分模型并非为每种任务设计，论文没有把不支持未见单扰动的CPA硬塞进相应测试，也没有把缺失所需基因的scFoundation作为有效单扰动比较。

这些信息边界应在评价开始前固定并公开。

评价为什么容易误读

绝对表达由共同背景占很大部分，因而预测与真实值有高相关，不一定恢复扰动差异。论文还专门从加法期望扣除残差，评价真正非加性的遗传互作。这里潜在的困难是稀有信号：被识别为互作的读出基因—组合只占小部分，多数近似相加。若模型主要趋向平均或无变化，它可能在总体误差上尚可，却错过最需要预测的协同响应。

这些任务仍受数据条件限制。使用的四个数据集来自癌细胞系，不能直接代表原代脑组织；作者也没有重新排除所有没有成功改变靶基因的扰动。负结果限定于所测版本、任务和评估，并非数学上否定非线性。最有建设性的理解是，现有证据没有证明复杂系统稳定优于信息匹配的简单方法，下一轮方法应先改变这个事实再扩大宣称。

Figure 1｜双扰动与遗传互作预测

原图来源：所用 PDF 文件第 2 页，Figure 1。点击图片可查看原图。

a先比较整体表达预测，b用CEBPE与CEBPB展示加法为何能形成强基线。c转向互作检出，横轴是假发现比例而不是普通分类错误率；在可接受假发现下，模型需恢复真正非加性响应。d、e说明缓冲、协同、反向的定义及其稀少程度，f扣除加法期望并看极端预测的真实类别。多数模型倾向缓冲，不能由“预测有残差”推出发现了可靠协同。

这个图把两个问题分开：组合的总表达是否准，组合超出单效应之和的部分是否准。加法基线无法主动预测互作，但可以很好地预测总体，这一点不是自相矛盾。相反，模型若把输出压回未扰动状态，会造成相对加法的负残差，看起来像缓冲；这种结构性偏差必须被c和f的真值检验识别。用于选择组合药物或基因靶点时，互作准确性比单个漂亮病例的高相关更重要。

Figure 2｜未见单扰动与线性表示

原图来源：所用 PDF 文件第 3 页，Figure 2。点击图片可查看原图。

a将泛化目标改为未见单基因扰动，各方法没有在三个资料上稳定超过平均或线性基线；b显示线性模型如何接受基因和扰动嵌入，c再比较不同嵌入来源。用独立扰动资料预训练的P更有帮助，提示与目标任务接近的信息可能比海量普通细胞图谱更关键。这是对训练数据价值的证据，不能解释为任何跨细胞系迁移都会有效。

图中的平均基线对每个测试干预输出同一个训练扰动平均表达，所以它不提供特异机制；模型超过它才证明有基本的条件区分能力。线性模型更强，因而还需要回答新增非线性是否改善独立条件预测。论文用条件伪bulk评估表达均值，并未全面评价单细胞分布形状、多稳态或罕见亚群。一个方法在此均值任务失败值得重视，但若声称分布优势，应设计相应的独立评价，而不是用另一个目标回避当前结果。

阅读说明

• 双扰动测试在训练中见过全部单扰动；单扰动任务留出扰动基因。两种设置不同，不能把结果当成同一种泛化。

依据：对应主图、完整图注及正文 Results；实验结果只按本文给出的对象和条件解释。

我的判断与可迁移设计

我的感悟是，创新点可以来自把比较条件做对。对AD公共组学项目，若想预测候选基因扰动，训练图谱中的相关性不能替代干预资料。应先确定测试究竟是新基因、新组合、新细胞类型还是新供者，再据此设计平均、无变化、加法和低秩线性模型。单细胞随机划分会让同一扰动同时出现在训练和测试，不能支持“未做实验预测”。

对于16GB显存，一个很实在的路线是先复现低秩线性基线，使用与病理任务有关的公开扰动数据得到基因或模块表征，再加一个规模可控的非线性残差模型。只有在留出条件、合理指标及外部资料上稳定改善，才有理由强调新模型。若没有改善，识别哪些数据缺少非加性信号、哪些干预不可预测本身也可以成为严谨结果；但需要清晰的限制，而不是用大模型名称包装泛化不足。