干预措施在复杂生物系统的研究中起关键作用。在药物发现中,遗传干预措施(例如CRISPR基础编辑)已成为识别潜在的治疗靶标和了解药物的作用机理的核心。随着CRISPR的发展和基因组规模分析(例如转录组学)的扩散,一个新的挑战是在同时进行的遗传干预措施中浏览庞大的组合空间。解决这个问题,我们的工作集中于估计成对遗传组合对细胞转录组的影响。我们介绍了两种新颖的贡献:S Alt,这是一种具有生物学启发的基线,它提出了组合效应的主要添加性质,而P EPER是一种深度学习模型,它扩展了S Alt的加性假设,以实现前所未有的精度。我们与现有的最新方法的全面比较,以不同的指标为基础,我们的分布分析突出了现实环境中当前模型的局限性。该分析强调了改进建模技术和数据采集策略的必要性,为更有效探索遗传干预效应铺平了道路。
![arxiv:2404.16907v1 [q-bio.gn] 2024年4月25日PDF文件第1页](/bimg/1/1e90f34c9624679b91649611c050ca80610ee5ad.webp)
![arxiv:2404.16907v1 [q-bio.gn] 2024年4月25日PDF文件第2页](/bimg/1/1f1f13d6867afe56d5d29f3865d842e7144ee2b5.webp)
![arxiv:2404.16907v1 [q-bio.gn] 2024年4月25日PDF文件第3页](/bimg/5/5257861aec26d8dcb34867616fa20615058bf15f.webp)
![arxiv:2404.16907v1 [q-bio.gn] 2024年4月25日PDF文件第4页](/bimg/1/1cc6cc1714ce00567846310045479be6eeedc7d8.webp)
![arxiv:2404.16907v1 [q-bio.gn] 2024年4月25日PDF文件第5页](/bimg/1/11050677fda4dfc78623cbfad12877a23681324f.webp)
