区分背景与药物效应，提升未知化合物转录响应预测
- 研究发现现有药物诱导表达模型几乎不依赖化合物本身,UnDetect将共有背景变异与化合物特异效应分离开来。
- 它在可容忍信息缺失的核函数中整合结构、靶点、作用机制和Cell Painting形态信息,并在细胞系之间迁移残差响应。
- 在药物盲测的L1000和DeepCE基准上优于已发表模型,跨细胞系迁移在LINCS和Tahoe-100M的几乎所有评估中均带来提升。
💡 要点 基于摘要的观点
既然以往模型几乎没用到化合物信息,真正该比的基线就是只含背景的预测器;我会看,在骨架各异而不只是药物盲测的测试化合物上,相对它的增益还剩多少。L1000信号噪声大,平均相关性容易显得好看,我更想看重复实验层面的上限。放到我自己的项目里,它能否给同一系列的近缘类似物排对顺序?