Chreode：一种用于单步时间动力学和扰动预测的细胞世界模型
机器学习
2026-05-28 v1
摘要
预测细胞在发育信号或基因扰动下会如何改变其转录状态是体外生物学和AI虚拟细胞计划的计算核心。现有方法要么拟合抗静态控制-治疗映射，丢弃时间；要么在每个数据集上独立求解多步骤ODE/Schr"odinger-桥接问题。我们引入Chreode，一种单步骤细胞世界模型，通过结构化残差转换算子预测动作条件下的细胞状态转换。它将分布式演化从推断时间移动到训练时间，使单次生成成为可能，同时保持Waddington式的分解，即下坡景观流、切向中的旋转动力学和随机扩散。该模型在覆盖240万细胞的小鼠胚胎图谱（spanning 7个数据集）上使用共享scVI编码器和基于DiT的dynamics backbone进行预训练。作为微调初始化，Chreode在Weinreb血球化发育和Veres肝岛分化上相对于匹配的scratch模型、PI-SDE和PRESCIENT改进了针对每个靶标的Sinkhorn距离。作为GEARS的可转基因状态嵌入，预训练的dynamics表示在Norman Perturb-seq上的共享词汇DE20均方误差从0.2121降低到0.1858，实现了12.4%的相对改进，无需更改GEARS训练程序。我们将这种对扰动预测的转移解释为证据，表明预训练的发育轨迹动力学编码的分化基本块可转移到CRISPR诱导的状态位移，因为两者都涉及共享潜在几何中的细胞状态转换。预训练的backbone还产生在Weinreb上与强动态-OT基线相当的零样本clonal fate得分。
引用
@article{arxiv.2605.28111,
title = {Chreode: A Cell World Model for One-Step Temporal Dynamics and Perturbation Prediction},
author = {Mufan Qiu and Genhui Zheng and Yinuo Xu and Ruichen Zhang and Ying Ding and Qi Long and Tianlong Chen},
journal= {arXiv preprint arXiv:2605.28111},
year = {2026}
}
备注
25 pages, 3 figures, 14 tables. Submitted to NeurIPS 2026