SAVE：基于基因块注意力的多条件单细胞生成通用框架
人工智能
2026-04-21 v1
摘要
对单细胞基因表达在多样生物学和技术条件下的建模对于表征细胞状态和模拟不可见情景至关重要。现有方法常将基因作为独立标记处理，忽视其高层次生物学关系，导致性能不佳。我们引入SAVE，一个基于条件变换器的统一生成框架，用于多条件单细胞建模。SAVE利用将语义上相关基因分组为块的粗粒度表示，捕捉基因模块之间的高阶依赖。进一步地，Flow Matching机制和条件掩码策略进一步增强了灵活的模拟能力，并实现了对不可见条件组合的泛化。我们在一系列基准测试中评估了SAVE，包括条件生成、批次效应校正和扰动预测。SAVE在生成保真度和外推泛化方面 consistently 优于最先进的方法，尤其在资源有限或组合不可见的情况下效果更佳。总体而言，SAVE提供了一个可扩展且通用的解决方案，用于建模复杂的单细胞数据，在虚拟细胞合成和生物学解释中具有广泛的实用性。我们的代码已公开available at https://github.com/fdu-wangfeilab/sc-save
引用
@article{arxiv.2604.16776,
title = {SAVE: A Generalizable Framework for Multi-Condition Single-Cell Generation with Gene Block Attention},
author = {Jiahao Li and Jiayi Dong and Peng Ye and Xiaochi Zhou and Haohai Lu and Fei Wang},
journal= {arXiv preprint arXiv:2604.16776},
year = {2026}
}
备注
Accepted to ICLR 2026