草垛中的多根针：扰动实验的主动命中发现
机器学习
2026-05-12 v1
摘要
高通量基因扰动实验可以并行测试多种基因干预，但实验预算依然有限。其核心目标是命中发现：识别尽可能多的表型效应超过预定阈值的扰动。纯探索策略在统计上效率低下，将预算浪费在低价值区域。贝叶斯优化方法提供了一种有原则的替代方案，但其目标是单一全局最优解，过度开发主导模式而忽略了其他高价值区域。我们将命中发现形式化为一个序贯实验设计问题，并提出命中概率，这是一种采集函数，通过根据候选者成为命中的后验概率对其进行排序，直接针对阈值超越进行优化。我们证明了该方法的渐近最优性，并在合成基准与真实生物免疫学数据集上展示了强大的实证性能，包括在 Schmidt IL-2 数据集上较基线提升高达 6.4%。
引用
@article{arxiv.2605.10196,
title = {Many Needles in a Haystack: Active Hit Discovery for Perturbation Experiments},
author = {Andrea Rubbi and Arpit Merchant and Samuel Ogden and Amir Akbarnejad and Pietro Liò and Sattar Vakili and Mo Lotfollahi},
journal= {arXiv preprint arXiv:2605.10196},
year = {2026}
}
备注
To be published in International Conference on Machine Learning (ICML) 2026