什么样的表征适合单细胞扰动预测？

单细胞扰动建模是理解和预测细胞对基因扰动反应的基础问题。然而，现有方法（从因果表征学习到基础模型）往往难以应对一个被忽视的挑战：基因表达主要由扰动不变信息主导，而扰动特定信号本质上稀疏。结果，所学表征要么将不变信息与扰动特定信息交织，导致虚假且不可泛化的预测器，要么抑制扰动特定信号，使其对预测无效。为此，我们提出了 PerturbedVAE，一个旨在解决此信号不平衡的通用框架。该框架显式地将扰动特定信息从占主导地位的不变结构中分离，并恢复因果表征，以有效利用此类信息进行预测。我们进一步提供了可辨识性分析，阐明稀疏扰动效应在何种条件下可被可靠恢复，从而阐明该框架在此类条件下如何具体指定。经验上，PerturbedVAE 在广泛使用的基准测试上实现了最先进的性能，在多种评估设置下均取得显著提升，尤其在超出分布的组合预测中取得显著 gains，并揭示了可解释的扰动-响应程序。