🤖 machine learning

DeMixPert: Decomposed Response Modeling with Gaussian Mixtures for OOD Single-Cell Perturbation Prediction

DeMixPert 是一个新颖的框架，它通过将转录组响应分解为基底依赖的系统性偏移、扰动特异性信号以及通过自适应高斯混合模型建模的群体水平变异，从而改进了分布外单细胞扰动预测，进而有效地捕捉了细胞对未见遗传扰动的异质性反应。

原作者： Jiawen Liu, Xuechenxiao Cao, Yutong Li, Bing Liu, Jiaming Liang, Tinghe Zhang, Xiaoqi Sheng, Hongmin Cai

发布于 2026-08-25

📖 1 分钟阅读☕ 轻松阅读

原作者： Jiawen Liu, Xuechenxiao Cao, Yutong Li, Bing Liu, Jiaming Liang, Tinghe Zhang, Xiaoqi Sheng, Hongmin Cai

原始论文根据 CC0 1.0（http://creativecommons.org/publicdomain/zero/1.0/）发布到公有领域。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

在生物体微观世界的细胞中，每一个细胞都是一座繁忙的化学反应之城，不断地阅读并重写自身的指令手册，以适应周围环境。当科学家想要了解细胞如何对特定变化做出反应——例如某个基因被关闭或引入某种药物时——他们可以进行遗传扰动实验。这是一种受控实验，研究人员通过微调单个基因，观察细胞的整个遗传活动如何随之发生转变。然而，由于可能的基因、细胞类型和环境条件的组合数量极其庞大，在实验室中测试所有可能性是不可能的。计算机科学家的挑战在于构建一个能够准确预测这些未见反应的模型，不仅是靠猜测平均结果，而是要捕捉不同细胞反应的完整多样性。

多年来，试图预测这些细胞反应的计算机模型一直面临着一个根本性的问题：它们往往模糊了不同类型生物学变化之间的界限。想象一下，当你试图在整个乐队大声演奏时，去聆听其中一种特定的乐器；那件乐器的独特声音会淹没在整体的噪音中。同样地，现有的模型经常将几乎在每个细胞中都会发生的、可预测的共同变化，与由特定基因微调引起的独特且具体的变化，以及个体细胞之间自然发生的随机变异混为一谈。这种纠缠使得模型很难看清一种新的、未见的遗传变化所带来的真实影响，尤其是在模型从未见过该特定变化的情况下。

为了解决这个问题，华南理工大学的刘嘉文及其同事开发了一种名为 DeMixPert 的新方法。DeMixPert 并没有试图将整个细胞反应视为一个巨大的、混乱的整体进行预测，而是将问题分解为三个截然不同的部分。首先，它识别“系统性”响应，即无论针对哪个特定基因，都会根据细胞的初始状态而发生的预测性偏移。其次，它分离出“扰动特异性”响应，即由特定遗传变化本身留下的独特指纹。最后，它考虑了“群体水平的变异”，这代表了导致某些细胞与邻近细胞反应略有不同的个体细胞之间自然的、随机的差异。通过分离这三个层面，模型可以独立学习每一层的规则，然后将它们重新组合，从而做出更清晰的预测。

这个新系统的核心在于处理细胞间随机变异的一种巧妙方式。研究人员并未将这些变异视为随机噪声，而是将其视为一组独特的模式或“原型”（prototypes），这些原型可以根据情况以不同的方式进行混合。他们使用一种数学结构，使模型能够观察一个细胞的初始状态和特定的遗传变化，然后决定如何混合这些预先学习到的模式，以创造出该特定细胞行为的现实预测。这使得模型能够生成反映真实细胞群体多样性的广泛可能结果，而不是仅仅预测一个单一、平庸的平均值。

当团队利用来自四个大型遗传实验的数据，使用该方法与现有工具进行对比测试时，结果令人瞩目。在模型必须预测从未见过的遗传变化所产生的反应时，DeMixPert 始终表现优于竞争对手。它在识别哪些基因会被开启或关闭方面表现尤为出色，在一个数据集中实现了 22.000 的共同差异表达基因（C-DEGs）得分，相比之下，其他方法的得分仅为个位数。更重要的是，它不仅能让平均值趋于正确，还能成功重现真实实验中看到的复杂且多样化的响应分布。虽然其他模型生成的预测看起来在平均水平上是正确的，却无法捕捉到个体细胞行为的多样性，而 DeMixPert 则保持了整个群体的保真度。

这项研究还清晰地展示了为什么这种组件分离的方法如此有效。当研究人员对数据进行可视化处理时，他们发现，移除预测中的“系统性”部分后，不同遗传变化的独特特征变得更加清晰且易于区分。这证实了之前的模型确实让细胞初始状态的背景噪声掩盖了遗传变化的特定信号。通过在预测前明确地剥离这种背景噪声，新模型可以专注于真正重要的内容。研究结果表明，如果计算机模型想要真正理解细胞是如何运作的，它们必须停止将所有变化视为单一事件，并开始识别驱动它们的不同生物学层面。这种方法提供了一种更精确的模拟细胞行为的方式，最终可能通过预测细胞对治疗的反应，帮助研究人员设计出更好的疗法，而无需在实验室中测试每一种可能性。

技术摘要：DeMixPert

问题陈述

预测单细胞数据中未见过的遗传扰动所导致的转录组范围响应仍然是一个显著的计算挑战。准确的预测需要同时恢复两种截然不同的现象：扰动特异性转录转变（perturbation-specific transcriptional shifts）和异质性细胞响应（heterogeneous cellular responses）。

现有方法往往会失败，因为它们将确定性的响应结构与随机的群体级变异混淆在一起。这种纠缠导致占主导地位的共享模式（由基础细胞状态驱动的系统性变异）掩盖了较弱的、扰动特异性的信号。因此，标准的评估指标会被共享变异而非扰动的特定效应所主导，从而损害了分布外（OOD）泛化能力。此外，预测实验未观察到的条件下的响应需要解构三个相互交织的组件：

系统性响应（Systematic Response）： 一种跨条件共享的、依赖于基础状态的结构。
扰动特异性响应（Perturbation-Specific Response）： 由特定靶点诱导的独特转录效应。
群体级变异（Population-Level Variation）： 特定条件的亚群及其相对丰度。

目前的方法通常将完整的扰动响应建模为一个单一的整体目标，未能显式地分离这些组件，也未能对复杂的、具有条件依赖性的细胞异质性分布进行建模。虽然先前的研究已经解决了其中的单个方面，但大多未能联合解构基础状态依赖的系统性响应、扰动特异性响应以及条件依赖的群体级变异。

方法论：DeMixPert

作者提出了 DeMixPert（基于高斯混合的分解响应建模），这是一个旨在解构上述组件并建模 OOD 单细胞扰动响应的框架。该架构由三个主要模块组成：

1. 确定性响应中心学习

为了防止系统性变异掩盖扰动特异性效应，DeMixPert 通过对两个分别学习的组件求和来构建确定性响应中心 ( $\bar{r}_i$ )：

系统性响应 ( $g_i$ )： 源自对照细胞的基础状态 ( $s_i$ )。它捕捉了依赖于细胞上下文且在不同扰动条件下共享的模式。
扰动特是否定响应 ( $a_p$ )： 从基于 scGPT 的预训练靶点嵌入 ( $e_p$ ) 中推断得出。该组件允许模型通过利用预训练期间学习到的生物学关系，实现对未见靶点的泛化。
公式化表示： $\bar{r}_i = g_i + a_p$ 。该中心代表了潜在响应空间中的预期确定性偏移。

2. 高斯原型可逆网络

为了对确定性中心周围的剩余群体级变异 ( $\epsilon_i$ ) 进行建模，DeMixPert 采用了高斯原型可逆网络。

全局原型（Global Prototypes）： 通过期望最大化（EM）算法从训练残差中全局学习出一组 $K$ 个对角高斯原型 ( $\mathcal{N}(\mu_k, \text{diag}(\sigma_k^2))$ )。这些原型代表了可重用的变异模式。
自适应加权（Adaptive Weighting）： 模型并非使用固定权重，而是使用多层感知器（MLP），基于基础状态 ( $s_i$ ) 和扰动嵌入 ( $a_p$ ) 的拼接结果来预测条件依赖的混合权重 ( $\alpha_i$ )。
可逆变换（Invertible Transformation）： 条件可逆网络 ( $T_\theta$ ) 将从自适应高斯混合中采样的源变量映射到最终的群体级变异分布。这使得模型既能进行变异的前向生成，也能进行观测变异的反向投影以进行似然监督。

3. 表达重建

最终预测的响应潜变量为 $\hat{r}_i = \bar{r}_i + \epsilon_i$ 。该变量与基础状态表示 ( $s_i$ ) 拼接后，由表达解码器 ( $D_\psi$ ) 解码，以重建扰动后的基因表达谱 ( $\hat{x}^p_i$ )。

训练目标

模型使用复合损失函数进行端到端训练：

响应对齐损失 ( $L_{align}$ )： 预测响应潜变量与目标潜变量之间的均方误差（MSE）。
群体变异似然损失 ( $L_{gm}$ )： 目标变异在条件高斯混合下的负对数似然，用于监督混合权重和可逆变换。
基因表达重建损失 ( $L_{rec}$ )： 重建扰动后和对照后表达的均方误差（MSE）。
分布损失 ( $L_{dist}$ )： 用于在群体层面使生成的表达分布与观测到的表达分布对齐的能量距离（Energy Distance）。

核心贡献

分解响应框架： DeMixPert 提出了一种用于 OOD 单细胞扰动预测的响应模型，该模型联合解构了确定性响应结构与随机细胞异质性，并通过自适应高斯混合捕捉了条件特定的响应分布。
高斯原型可逆网络： 作者引入了一种利用带有上下文自适应权重的可重用高斯原型来建模群体级变异的新机制。这使得模型能够捕捉复杂的、特定于条件的异质性，而不必假设其为单峰分布。
卓越的 OOD 性能： 定量分析表明，DeMixPert 有效地恢复了扰动特异性响应，同时保持了群体层面的分布保真度，在未见扰动设置下优于现有方法。

实验结果

DeMixPert 在四个广泛使用的单细胞遗传扰动数据集上进行了评估：Adamson 和 Papalexi（单基因扰动）以及 Norman 和 Replogle（组合扰动）。评估采用了条件不相交（condition-disjoint）的划分方式，以测试对未见靶点的泛化能力。

性能指标： 模型通过差异表达恢复（C-DEGs, DES）、分布一致性（能量距离 Energy Distance, Wasserstein 距离）、表达误差（MSE）和扰动判别力（PDS）进行评估。
关键发现：
- 在单基因数据集（Papalexi, Adamson）上，DeMixPert 取得了最高的 C-DEGs 分数（22.000 和 10.733）以及最低的能量距离值（0.171 和 0.448），显著优于 GEARS、scGPT 和 STATE 等基线模型。
- 在组合数据集（Norman, Replogle）上，DeMixPert 取得了最高的扰动判别分数（PDS）（0.981 和 0.938）以及最低的能量距离（0.374 和 0.155）。
- 消融实验： 移除分解机制（w/o Decomp）或移除系统性组件（w/o Sys）会导致扰动判别分数（PDS）和质心准确度（Centroid Accuracy）显著下降，证实了分离这些组件对于区分扰动特异性信号至关重要。
- 可解释性： 可视化确认，从响应表示中移除系统性组件 ( $g_i$ ) 会增加聚类纯度，这表明分解过程成功地将扰动特异性结构从基础状态变异中分离出来。此外，研究发现学习到的高斯原型权重的差异性与群体分布之间的能量距离之间存在显著的正相关性，验证了混合成分机制的可解释性。

意义

本文声称 DeMixPert 解决了当前扰动预测方法的一个关键局限性：即共享的系统性变异与特定扰动效应之间的纠缠。通过显式地分解响应并利用自适应高斯混合建模群体异质性，DeMixPert 实现了对未见扰动的卓越泛化。该框架不仅提高了预测精度，还为异质性细胞响应提供了结构化的解释，将可迁移的基础状态模式与独特的扰动特征区分开来。这种方法为在无法进行穷尽测量的情况下，通过 in silico（计算机模拟）估算细胞响应提供了更稳健的基础。