编辑推荐：
当前计算方法多关注预测平均细胞反应，忽视细胞状态多样性带来的反应异质性和模型可解释性。研究人员开展了单细胞扰动实验的端到端分析研究（CellCap 模型）。结果表明，CellCap 能揭示细胞状态与扰动反应的关系，为相关研究提供新视角。
单细胞转录组学（Single-cell transcriptomics）结合基因和化合物扰动，为探索不同环境下的细胞行为提供了有力方法。这类实验能揭示细胞状态特异性的扰动反应，解开控制细胞行为的复杂分子机制。然而，现有计算方法大多聚焦于预测平均细胞反应，忽略了与细胞状态多样性相关的固有反应异质性以及模型的可解释性。在本研究中，提出了 CellCap，这是一种深度生成模型，用于单细胞扰动实验的端到端分析。CellCap 在潜在空间中采用稀疏字典学习，将细胞状态特异性的扰动反应解构为一组转录反应程序，并利用注意力机制捕捉细胞状态和扰动反应之间的对应关系。通过多个模拟场景以及两个真实的单细胞扰动数据集，全面评估了 CellCap 的可解释性。结果表明，CellCap 成功揭示了细胞状态和扰动反应之间的关系，揭示了以往分析中被忽视的见解。
生物通微信公众号
