Benchmarking biological knowledge-graph priors against single-cell foundation models for Perturb-seq prediction

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。

作者 / 机构

Ni J, Zhang X, Li M, Cai Y, Xie Z, Liu Y.

发表于

Computational Biology and Chemistry

日期

2026-10-09

类型

论文

年份

2026

DOI

10.1016/j.compbiolchem.2026.109480

PMID

42860076

核验来源

PubMed E-utilities PMID 42860076 (title, 6 authors, Southeast University affiliations, Comput Biol Chem 126(Pt 2):109480, epub 2026-10-09, abstract) + Crossref (journal-article, issue date 2027-02) fetched 2026-10-20; full text not read

基准评测与验证Perturb-seq 扰动测序基础模型扰动

在可检索文献库中打开 → · JSON