0
0这项研究介绍了 TxPert，这是一种旨在预测基因扰动对转录组影响的深度学习框架。该模型通过整合 知识图谱（如 STRING 和 GO）与高通量筛选数据，能够有效模拟细胞在面对未见过的单基因或双基因扰动时的反应。TxPert 采用了潜空间转换技术，结合了基础状态编码器和基于 图神经网络 的扰动编码器，显著提升了跨细胞系的泛化能力。研究强调了使用 批次匹配对照 和检索指标进行严谨基准测试的重要性，证明了该模型在多项任务中优于现有方法。最终，这项技术有望通过 虚拟筛选 加速药物发现并深化对疾病机制的理解。
References:
Wenkel F, Tu W, Masschelein C, et al. TxPert: using multiple knowledge graphs for prediction of transcriptomic perturbation effects[J]. Nature Biotechnology, 2026: 1-8.
