TRIDENT：用于药物和RNA条件下细胞形态合成的三模态级联生成框架
机器学习
2025-11-25 v1 计算机视觉与模式识别
定量方法
摘要
准确建模扰动、转录反应与形态变化之间的关系是构建AI虚拟细胞（AIVC）的关键。然而，现有方法通常仅局限于建模直接关联，如扰动→RNA或扰动→形态，忽略了从RNA到形态的关键因果链。为弥合这一差距，我们提出TRIDENT，一个级联生成框架，通过同时条件化扰动和对应的基因表达谱来合成逼真的细胞形态。为训练和评估此任务，我们构建了MorphoGene数据集，将L1000基因表达与细胞染色图像配对，覆盖98种化合物。TRIDENT显著优于最新方法，实现最高7倍的提升，并对未见化合物表现出强大的泛化能力。在docetaxel的案例研究中，我们验证了RNA引导的合成准确生成相应的形态表型。消融研究进一步确认，RNA条件化对模型的高保真度至关重要。通过显式建模转录组-表型图谱映射，TRIDENT提供了一个强大的仿真工具，使我们更接近可预测的虚拟细胞。
引用
@article{arxiv.2511.18287,
title = {TRIDENT: A Trimodal Cascade Generative Framework for Drug and RNA-Conditioned Cellular Morphology Synthesis},
author = {Rui Peng and Ziru Liu and Lingyuan Ye and Yuxing Lu and Boxin Shi and Jinzhuo Wang},
journal= {arXiv preprint arXiv:2511.18287},
year = {2025}
}