论文✓ 已核验VC0175
Ni J, Zhang X, Li M, Cai Y, Xie Z, Liu Y. · Computational Biology and Chemistry · 2026-10-09
Ni 等（东南大学；Computational Biology and Chemistry 2026）在同一图注意力骨架中，将 STRING/基因本体（GO）图先验与稠密、仅自环和保度重连的支撑结构对比，使用 4 个公开 Perturb-seq 数据集（Adamson、Norman、Replogle K562 与 RPE1），并在相同留出 guide 条件下评测 GEARS、scGPT 与 Geneformer。在 200 个高变基因下，STRING-GO 比稠密支撑的 Pearson r 高 +0.016（95% 区间 +0.010 至 +0.022），1000 个基因时降至 +0.009。与外部模型的 36 组匹配对比中，32 组落在 ±0.030 区间内，其余 4 组均是外部模型更优。作者说明主要对比是在审稿修改阶段提出的，且这一小幅提升本身不能说明生物学意义。
DOIPubMed
预印本✓ 已核验VC0179
Liang W-L, Yang Y-B, Zhang Q-Y, Feng J-C, Wang Q-F, Zou D, Tang J-L, Liu Y, Wang S-Y, Duan J, Bai Y, Li Y-F, Sun W-Y, Cao Y-F, He R-R. · bioRxiv (preprint, not peer-reviewed) · 2026-10-13
预印本（未经同行评审）：Liang 等（澳门科技大学、暨南大学）指出，单细胞扰动预测中少样本适配的常规评测让校准响应与留出目标共用同一个对照估计，会把对照误差带入预测并虚高得分。改用独立对照评分后，52 个“配置–数据集”条目中有 40 个排名发生变化。作者提出 SafeDelta，一种用校准数据决定是否进行适配的分离对照准则；在 6 个数据集上，按原有双对照评测，门控后的平均增益不为负。
DOI
预印本✓ 已核验VC0180
Liu Q, Zhang Q, Chen Y, Du J-H, Zhao S, Wang J. · bioRxiv (preprint, not peer-reviewed) · 2026-10-11
预印本（未经同行评审）：Liu 等（芝加哥大学统计系）重新审视“许多基因扰动使细胞沿同一全局转录方向移动”的现象。作者报告：不同扰动对这一主导趋势的贡献不同，趋势之外仍有大量结构，包括可跨数据集迁移的扰动特异效应和跨扰动共有的响应基因层级；这些规律使简单预测策略即便在主导全局成分之外也颇具竞争力。
DOI
论文✓ 已核验VC0145
Kernfeld E, Yang Y, Weinstock JS, Battle A, Cahan P. · Genome biology · 2025-11-17
Kernfeld 等（Genome Biology 2025）：PEREGGRN 基准含 11 个扰动数据集；报告表达预测方法很少优于简单基线，并以偏差-方差和刻板性扰动响应两种假说讨论训练集均值为何强。
DOIPubMed
论文✓ 已核验VC0144
Wong DR, Hill AS, Moccia R. · Bioinformatics · 2025-06-01
Wong、Hill、Moccia（Bioinformatics 2025）：报告“CRISPR 先验均值”（训练集扰动细胞均值，靶基因按 CRISPRi/CRISPRa 先验设定）在 Adamson、Norman、Replogle K562 Essential 上优于微调 scGPT、GEARS 及简单神经基线；并提供修正后的 Adamson 数据集。
DOIPubMed
论文✓ 已核验VC0174
Mitra S, Li J, Leslie CS. · Molecular Cell · 2026-10-15
综述（Mitra、Li 与 Leslie；纪念斯隆-凯特琳癌症中心；Molecular Cell 86:4131–4148，2026）：回顾 scRNA-seq 与 scATAC-seq 的 AI 嵌入与基础模型、单细胞多组学在调控基因组学中的机器学习研究，以及从 Perturb-seq 学习“虚拟细胞”模型的策略，并总结当前单细胞 AI 模型的局限。作者指出，多数早期单细胞嵌入与基础模型并未在实验生物学家中广泛使用。利益声明：C.S.L. 为该刊顾问委员会成员。
DOIPubMed