Dự đoán biến động có học được tương tác gen không? Chẩn đoán ngoại suy trong quét thuật toán agentic

Các màn hình biến động throughput ngày càng dùng mô hình học máy để dự đoán tác động của các tổ hợp gen chưa từng được đo lường. Một trường hợp khó khăn xảy ra khi cả hai gen trong một cặp kiểm tra đều đã được thấy riêng lẻ trong quá trình huấn luyện, nhưng kết hợp của chúng thì không. Trong tình huống này, các phương pháp OOD thông thường thất bại vì không gen nào trông quen thuộc khi xét riêng lẻ. Vì vậy, chúng tôi so sánh từng dự đoán của mô hình với một dự đoán cộng tích đơn giản bằng cách cộng hai tác động đơn gen đã quan sát được. Khoảng cách giữa chúng, mà chúng tôi gọi là bất đồng cộng tích (AD), đo lường mức độ tác động tương tác thêm mà mô hình mang lại cho một kết hợp chưa từng thấy. Trên tám phương pháp dự đoán và ba bộ dữ liệu Perturb-seq, các bộ dự đoán thần kinh chuyên biệt không nhất quán vượt trội hơn so với đường cơ sở cộng tích đơn giản này. Điều quan trọng hơn, những dự đoán có độ lệch lớn so với đường cơ sở cộng tích có xu hướng gặp lỗi lớn hơn. Các tín hiệu tin cậy dựa trên đầu ra và embedding không nhất quán giữa các bộ dữ liệu và mô hình, trong khi AD vẫn mang lại thông tin hữu ích trên tất cả các cài đặt kết hợp đã được đánh giá.