Stable-Shift предсказывает транскрипционные эффекты для генов, не встречавшихся при обучении
Исследователи представили метод Stable-Shift для прогнозирования транскрипционных ответов на генетические perturbations, включая случаи, когда соответствующие гены не использовались в обучающих данных. Такой подход может снизить экспериментальную нагрузку в функциональной геномике, где обычно требуется проводить многочисленные лабораторные проверки.
Метод агрегирует single-cell измерения в сдвиги экспрессии на уровне perturbation и строит низкоранговый базис ответов, используя только perturbations из обучающего набора. Затем координаты нового гена в этом базисе предсказываются по биологическому контексту. В этот контекст входят STRING interactions, network structure, control-cell expression statistics и Gene Ontology annotations; в реализованной версии модели эти данные объединяются с помощью graph convolution, пишет arXiv cs.AI (Artificial Intelligence).
На бенчмарке K562 Perturb-seq модель показала cosine similarity 0.592 против 0.569 у GEARS, а также более высокие значения Spearman correlation и top-gene precision среди сравниваемых методов. Средняя cosine similarity по пяти разбиениям с unseen genes составила 0.589 +/- 0.008. Тот же порядок результатов наблюдался и в сравнениях на наборах graph-aware, residualized, gene-space и Norman-dataset.
Ключевые факты
В работе представлен метод Stable-Shift для прогнозирования транскрипционных ответов на perturbations генов, которые не были представлены в обучающих данных.
Метод агрегирует single-cell измерения в сдвиги экспрессии на уровне perturbation, строит низкоранговый базис ответов по обучающим perturbations и предсказывает координаты нового гена в этом базисе из биологического контекста.
Биологический контекст включает взаимодействия STRING, структуру сети, статистики экспрессии контрольных клеток и аннотации Gene Ontology; в реализации используется graph convolution.
На бенчмарке K562 Perturb-seq Stable-Shift показал cosine similarity 0.592 против 0.569 у GEARS, а средняя cosine similarity по five unseen-gene splits составила 0.589 +/- 0.008.