Il segnale di magnitudine prevede gli effetti delle perturbazioni CRISPRi

Uno studio recente pubblicato su arXiv (2608.00152) esplora la sfida di prevedere gli effetti delle perturbazioni CRISPRi su geni target non inclusi nell'addestramento, un aspetto cruciale nella biologia a singola cellula. I risultati indicano che i modelli di base spesso performano in modo pari o migliore rispetto agli approcci di deep learning in contesti simili. Utilizzando il benchmark Virtual Cell Challenge (VCC) con una separazione rigorosa dei geni target, i ricercatori hanno scoperto un segnale a bassa dimensionalità responsabile della disparità di prestazioni. Hanno scoperto che la distanza log Anderson-Darling dai controlli non-target può essere prevista accuratamente da quattro funzioni scalari deterministiche derivate dall'input a 2000 dimensioni. In particolare, una regressione lineare che utilizza solo questi quattro scalari supera il miglior modello classico x-only, mentre un modello Random Forest mostra anche risultati forti. Questa ricerca sottolinea l'importanza della magnitudine della risposta come segnale chiave, suggerendo che modelli più semplici potrebbero essere più efficaci per questa analisi.