Doloris:用于未配对单细胞扰动估计的稀疏掩蔽策略与双重条件扩散隐式桥
机器学习
2026-04-28 v3 分子网络
摘要
估计各种扰动下的单细胞响应有助于识别关键基因并增强药物筛选,显著提升实验效率。然而,单细胞测序是一个破坏性过程,无法捕获同一细胞在扰动前后的表型。因此,在扰动和非扰动条件下收集的数据本质上是未配对的,这在单细胞扰动建模中产生了一个关键且未解决的问题。此外,单细胞表达的高维性和稀疏性使得直接建模容易聚焦于零值并忽略有意义的模式。为了解决这些问题,我们提出了一种单细胞扰动建模的新范式。具体而言,我们利用双重扩散模型分别学习对照分布和扰动分布,并通过共享的高斯潜在空间隐式对齐它们,无需显式的细胞配对。此外,我们引入了一种稀疏掩蔽策略,其中掩码模型学习预测零表达基因,允许扩散模型专注于捕获表达基因之间的有意义模式,从而保留高维稀疏数据中的多样性。我们引入了 \textbf{Doloris},这是一个生成框架,为建模未配对、高维和稀疏的单细胞扰动数据定义了新范式。它利用双重条件扩散模型分别学习对照分布和扰动分布,并辅以稀疏掩蔽策略以增强对零值基因的预测。在公开数据集上的结果表明,我们的模型有效捕获了单细胞扰动的多样性,并取得了 SOTA 性能。为了便于复现,我们在补充材料中包含了代码。
引用
@article{arxiv.2506.21107,
title = {Doloris: Dual Conditional Diffusion Implicit Bridges with Sparsity Masking Strategy for Unpaired Single-Cell Perturbation Estimation},
author = {Changxi Chi and Jun Xia and Yufei Huang and Zhuoli Ouyang and Cheng Tan and Yunfan Liu and Jingbo Zhou and Chang Yu and Liangyu Yuan and Siyuan Li and Zelin Zang and Stan Z. Li},
journal= {arXiv preprint arXiv:2506.21107},
year = {2026}
}