💻 bioinformatics

RevPert: predicting candidate drivers of transcriptomic state transitions via gallery-native reverse perturbation

RevPert 是一种原生于图谱（gallery-native）的反向扰动模型，它通过结合符号化皮尔逊连通性（signed Pearson connectivity）与学习到的残差，优先考虑转录组状态转换的候选遗传驱动因子，并证明了在恢复留置干预（held-out interventions）和识别疾病相关锚点方面比现有基准模型具有更优越的性能。

原作者： Liang, S., Yang, C., Wang, J., Li, y.

发布于 2026-09-06

📖 1 分钟阅读☕ 轻松阅读

CC BY 4.0

原作者： Liang, S., Yang, C., Wang, J., Li, y.

原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 ⚕️ 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。阅读完整免责声明

细胞并非静止不变；它们在不断地变换节奏。一个健康的细胞可能会改变其行为以求生存、衰老或转化为癌细胞。科学家可以通过观察细胞的转录组来看到这些变化，转录组是关于在特定时刻哪些基因被开启或关闭的海量列表。当一个细胞从健康状态转变为患病状态，或者从药物敏感状态转变为耐药状态时，这个列表会发生特定的模式变化。研究人员面临的一个重大问题一直是：如果我们看到了这种新的模式，能否反向推导出导致这一变化的特定遗传开关？想象一下，你在看到烟雾的同时，试图找出引发火灾的确切火源。长期以来，计算机擅长预测如果你拨动一个开关会发生什么，但却很不擅长通过观察结果来猜测是哪个开关被拨动了。

一个研究团队开发了一种名为 RevPert 的新工具来解决这个逆向问题。RevPert 不再根据变化的“音量”大小来猜测哪个基因引起了变化，而是观察整个变化的“形状”。研究人员在两组大规模数据上测试了这个工具：一组包含四种不同人类细胞类型的数千个遗传实验数据，另一组包含十种不同的细胞系。他们让计算机观察一个被隐藏起来的特定遗传变化，看它是否能在庞大的可能性库中找到正确的基因。该工具取得了显著的成功。在测试的所有细胞类型中，它找到隐藏基因的速度比以往的方法更快，也更准确。它不仅仅是在猜测；它将正确的基因排在列表的最顶端，通常将其放在数千个候选者中的前十名之内。

随后，研究人员将这一工具从受控的实验室环境带出，并应用于现实世界的医学难题。他们观察了对常见药物产生耐药性的肝癌细胞，以及不再对治疗产生反应的白血病细胞。在这些案例中，他们事先并不知道答案，但他们拥有一份科学家已经怀疑参与其中的基因列表。当他们使用 RevPert 分析癌细胞时，该工具将那些已知的“麻烦制造者”基因排在了比其他方法更高的位置，尽管并不总是排在第一位。例如，在肝癌研究中，它将一个关键基因排在第 29 位，另一个排在第 65 位，而其他方法则将其排在几千位之后。至关重要的是，它是通过理解变化的“方向”来实现这一点的——即一个基因是需要被关闭以模拟疾病，还是需要被开启以逆转疾病。其他仅仅观察遗传变化幅度大小的方法则无法找到这些基因，往往将它们的排名排得极低，以至于根本无法被注意到。

这种方法的不同之处在于它结合了两种思维方式。一种是简单的、直接的遗传列表对比，这种方式效果良好但会错过细微之处。另一种是复杂的学习系统，试图记忆模式。RevPert 将简单的对比作为坚实的基础，并在其之上添加了一个微小的、经过学习的调整。这使得它既能保持直接对比的可靠性，又能获得识别驱动疾病特定基因的能力。研究人员发现，如果仅依赖复杂的学习部分，该工具会忘记可靠的模式，从而无法找到已知的疾病基因。通过让这两个部分协同工作，该工具保持了准确性和实用性。

这项工作并不声称已经找到了治愈癌症的方法或逆转衰老的途径。相反，它为观察遗传数据提供了一个更清晰的镜头。它将一份冗长且令人困惑的潜在原因列表，转化为了一个由最有可能的“嫌疑人”组成的简短且易于处理的列表。对于试图弄清楚为什么患者的癌症停止对治疗产生反应的研究人员来说，这个工具提供了一个明确的起点。它表明，通过观察细胞遗传变化的完整形状，而非仅仅关注最响亮的信号，我们可以更精确地识别疾病的驱动因素。该方法已在现有数据上进行了测试，并表现出一致的有效性，为探索复杂的人类遗传图谱提供了一种新途径。

技术摘要：RevPert —— 通过原生图谱的反向扰动预测转录组状态转换的候选驱动因子

问题陈述
细胞状态转换（例如适应、衰老、药物耐药）是由改变转录组谱系的遗传扰动驱动的。虽然差异表达（DEG）分析可以识别与状态 $A$ 到状态 $B$ 之间的转换相关的基因，但它无法回答干预性问题：哪些已编目的遗传干预被预测能够匹配或逆转观察到的转录组偏移（ $\Delta Y^\star = Y_B - Y_A$ ）？现有的计算模型主要关注“正向”任务（从指定的扰动预测表达），或者执行仅限于同一筛选集内保持恒等性恢复（寻找同一数据集中被留出的敲除基因）的“反向”检索。目前缺乏能够针对外部获取的状态转换（例如药物耐药性）预测候选驱动因子的方法，且该方法需同时具备固定的遗传目录并保留带符号的生物几何特性。

方法论：RevPert
RevPert 是一种“原生图谱”的反向扰动模型，旨在将查询对比度 $\Delta Y^\star$ 与固定的已编目遗传敲除表达图谱库进行评分。该方法结合了两个组件：

带符号皮尔逊连通性（Signed Pearson Connectivity）： 查询谱系与图谱中预测/观察到的敲除谱系之间的基准几何相似度。
学习残差相似度（Learned Residual Similarity）： 一个特征编码器（一个共享的多层感知器），在皮尔逊连通性的基础上学习残差相似度。该编码器将 PCA 压缩后的查询谱系和图谱谱系映射到一个共同的 128 维空间中。

最终的评分函数是一个逐查询的 z-score 融合函数：
$s(q, g) = z(\text{Pearson}(q, \hat{\Delta Y}^{(g)})) + \alpha z(\text{sim}_\theta(q, g))$
其中 $\alpha$ 是一个学习到的权重（初始化接近 0.31），用于平衡几何先验和学习到的残差。

实验设置与数据集
作者在两个不同的数据集上评估了 RevPert，且未将它们合并到一个排行榜中：

Essential Pert-seq： 来自 Replogle 数据集的四种细胞系（HepG2, K562, RPE1, Jurkat）。查询被限制为同时存在于观察到的响应中以及由伴随的正向模型生成的共享“线性预测图谱”中的留出敲除基因。
LINCS-KO： 来自 LINCS L1000 遗传敲除筛选的十种细胞系。
外部压力测试： 用于测试“筛选外部”外推能力的肝细胞癌（HCC, 索拉非尼）和慢性髓系白血病（CML, 伊马替尼）中的公开药物耐药特征。这些测试使用预设的生物锚点而非留出的标签进行评估。

关键结果

筛选内恒等性恢复（Within-Screen Identity Recovery）：
- Essential： 与基准模型（Pearson, CMap, GEM, Ridge inversion）相比，RevPert 在所有四种细胞系中均实现了最佳的中位数排名。在 HepG2 中，中位数排名从 572（Pearson）提升至 266（RevPert），Recall@10 从 3.7% 提高到 12.5%。
- LINCS-KO： RevPert 在所有十种细胞系中均优于官方的 PDGrapher 模型和 Pearson 匹配，将中位数排名从数千（PDGrapher）降低到了 345–560 的范围内。
- 消融实验： 去除残差组件（“仅学习”模式）虽能改善恒等性恢复，但无法保留带符号的耐药性锚点。去除皮尔逊组件（“仅学习”且不进行融合）则会导致耐药性性能崩溃。融合方法对于同时保留身份辨别能力和带符号几何特性是必要的。
筛选外部耐药性验证场（Screen-External Resistance Proving Ground）：
- HCC (Sorafenib)： 使用 HepG2 Essential 图谱，RevPert 正确地将已知驱动因子（如 AURKA, METTL3）排在了预期的“双臂”（表型模拟 vs. 激活）上。对于 AURKA，其在首选臂的排名为 29（而 DEG 幅度约为 137）；对于 METTL3，排名为 65（而 DEG 幅度约为 4040）。
- CML (Imatinib)： 使用 K562 GWPS 图谱，RevPert 将通路基因（MYB, STAT5A, BCR 等）置于首选臂附近，显著优于 DEG 幅度预测。
- 比较： 虽然 Pearson 相关性提供了更锐利的“带符号几何”参考，但 RevPert 在获得身份恢复性能的同时，仍能将这些锚点维持在 Top-100 之内。端到端流水线（GEARS, scGPT, UniPert）在共享图谱上的身份恢复表现落后于 RevPert。

意义与主张
论文声称 RevPert 成功地将筛选内反向预测（恒等性恢复）与筛选外部带符号几何检查结合在一起。

它证明了一个残差模型可以在不牺牲保留文献锚定的疾病驱动因子在正确“生物臂”（功能缺失 vs. 激活）上的能力的前提下，改进简单的连通性匹配。
作者明确指出，筛选外部结果（药物耐药性）是“基于文献锚定的压力测试”，而非对未见驱动因子的泛化能力主张，因为用于 CML 的 GWPS 模型是转导式的。
该方法被呈现为一种可部署的反向评分器，它在保留带符号连通性的同时学习判别性残差，从而提供一份经过编目的遗传假设清单，而非仅仅是一个描述性的 DEG 列表。
作者也谦虚地指出，该方法受限于目录覆盖范围（一个基因只有在被评分的目录中时才能被预测），且跨上下文的编码器迁移仍然具有挑战性，这为使用谱系匹配的目录进行外部应用提供了动力。

技术摘要：RevPert —— 通过原生图谱的反向扰动预测转录组状态转换的候选驱动因子

类似论文