BLINK: NK细胞毒性的行为潜变量建模
计算机视觉与模式识别
2026-03-17 v2 机器学习
摘要
细胞相互作用动力学的机器学习模型有望用于理解细胞行为。自然杀伤(NK)细胞毒性是此类相互作用动力学的一个突出例子，通常使用时间分辨的多通道荧光显微镜进行研究。尽管肿瘤细胞死亡事件可以在单帧中注释，但NK细胞毒性结果是从细胞相互作用中随时间涌现的，无法仅通过逐帧分类可靠推断。我们引入BLINK，一种基于轨迹的循环状态空间模型，作为NK-肿瘤相互作用的细胞世界模型。BLINK从部分观测的NK-肿瘤相互作用序列中学习潜变量相互作用动力学，并预测累积成毒性结果的凋亡增量。在长时间延时NK-肿瘤记录上的实验表明，毒性结果检测得到改进，并能预测未来结果，同时提供一个可解释的潜变量表示，将NK轨迹组织成连贯的行为模式和时间结构的相互作用阶段。BLINK为在单细胞水平上定量评估和结构化建模NK细胞毒性行为提供了一个统一框架。
引用
@article{arxiv.2603.05110,
title = {BLINK: Behavioral Latent Modeling of NK Cell Cytotoxicity},
author = {Iman Nematollahi and Jose Francisco Villena-Ossa and Alina Moter and Kiana Farhadyar and Gabriel Kalweit and Abhinav Valada and Toni Cathomen and Evelyn Ullrich and Maria Kalweit},
journal= {arXiv preprint arXiv:2603.05110},
year = {2026}
}