MRFlow：用于虚拟细胞扰动预测的机制结构残余流匹配

arXiv:2610.13966v1 公告类型：新 摘要：预测细胞对化学和遗传扰动的反应是 AI 虚拟细胞的核心测试，但许多单细胞模型将每种条件降低到平均表达变化。这个目标与微扰生物学不一致：稀有状态、抵抗亚群和上下文相关的效应大小可能在相同的干预下共存。 MRFlow 将虚拟细胞预测视为经验单细胞测量之间的条件传输。控制和扰动细胞嵌入到变化的潜在状态空间中，在分离的小批量状态上构建贪婪的低成本监督，并且条件流匹配向量场将控制群体传输到扰动群体。该场分解为机制结构的仿射字典，它将共享潜在响应算子与低阶条件特定校正以及用于非线性单元级变化的频谱控制残差场重新组合。遗传扰动通过调控图 GCN 编码，化学扰动通过摩根指纹编码，并且两者都进入相同的条件动力学接口。在八个基因和药物扰动基准中，MRFlow 获得了最高的综合得分，同时在差异表达和分布指标上保持了有竞争力的原始性能。结果支持潜在分布传输作为扰动感知虚拟细胞建模的原则上和经验上有效的公式。