INFevo 研究成果

让结论回到方法、
数据与实验。

这里汇集无界进化公开发表的论文与预印本,提供作者、方法、评测范围和原始链接,便于研究者独立阅读与复核。

Preprint · 2026

OCOO-T: A Simple and Scalable Virtual Cell Model for Transcriptional Perturbation Response Prediction

Danning JiangZheming AnYalong ZhaoLipeng LaiarXiv:2606.12838

方法摘要

OCOO-T 是用于转录扰动响应预测的 AI 虚拟细胞模型。论文采用 flow matching,将基因表达状态之间的变化建模为连续动力学;主干使用标准 Transformer,直接处理连续基因表达向量。

扰动身份、剂量与细胞上下文通过自适应层归一化和上下文 token 注入模型。论文在 Tahoe100M、Replogle-Nadig 与 PBMC 三类公开基准上评估化学、遗传和细胞因子扰动。

三类扰动场景中的代表性指标

0.952
Tahoe100M · PDCorr

化学扰动;论文表 2 报告的该指标最佳结果。

0.833
Replogle-Nadig · PDS_cos

遗传扰动;论文表 3 报告的该指标最佳结果。

0.760
PBMC · DEOver

细胞因子扰动;论文表 4 报告的该指标最佳结果。

以上数值来自 OCOO-T 预印本。不同指标衡量的性质不同,不能脱离数据集、基线和实验设置进行横向解释;完整结果与限制请以论文为准。

关键术语与指标

AI Virtual Cell
用于计算模拟细胞状态及其在外部扰动下变化的模型体系。
PDCorr
衡量模型对不同扰动响应差异结构的恢复能力;数值越高越好。
DEOver
衡量预测与真实差异表达基因集合的重合程度;数值越高越好。

从论文方法到完整发现闭环

了解 OCOO 模型如何与自动化实验和自主科学发现系统连接。

查看技术平台