arXiv Artificial Intelligence· Yuchen Yan, Yatao Bian·· 19 小时前AI 评分22
PerturbEnergy：用条件能量先验学习扰动特异性表征预测细胞响应
Learning Perturbation-Specific Representations through Conditional Energy Prior for Cellular Response Prediction
AI 导读
PerturbEnergy 通过引入条件能量先验，对与给定扰动兼容的表征赋予更低能量，从而将隐空间显式偏向扰动偏好区域，并可集成进自编码器架构。研究证明优化该先验可提升表征与扰动间条件互信息的下界。在四个基准数据集上，其隐空间扰动识别提升最高达 83.2%，并在 top-50/100/200 差异表达基因响应预测上取得 SOTA。
来源：arXiv Artificial Intelligence · arxiv.org