这篇文章介绍了 Conditional Monge Gap (CMonge)，这是一种基于神经网络最优传输 (OT) 的全新框架，专门用于预测单细胞在不同治疗干预下的反应。传统的建模方法通常需要为每种药物或剂量单独训练模型，而 CMonge 通过引入条件协变量，能够利用单一全局模型处理数百种实验条件。该方法通过整合药物分子结构和作用机制等信息，展现了强大的泛化能力，可以准确预测从未见过的药物对细胞产生的异质性影响。实验证明，CMonge 在单细胞 RNA 测序和蛋白质成像数据上的表现优于现有的 chemCPA 等模型。此外，其轻量化设计和高参数效率为加速药物研发与老药新用提供了一条更具实践价值的路径。References:* Driessen A, Rajwade D A, Harsanyi B, et al. Conditional Monge Gap enables general...去小宇宙查看完整单集简介前往小宇宙评论区与主播互动 Rss Apple Podcaster →
