arXiv cs.AI· Zhaoqi Song, Ye Du, Yusuke Iwasawa, Yutaka Matsuo, Qian Niu·· 1 天前AI 评分34
scAnyOmics：用基础模型蒸馏实现多组学虚拟细胞的任意到任意补全
scAnyOmics: Foundation-Model Distillation for Any-to-Any Completion of Multi-omics Virtual Cells
AI 导读
scAnyOmics 是一个生成式框架，将冻结的单细胞基础模型知识蒸馏到多模态学生模型，把 scRNA-seq、蛋白标记测量和 scATAC-seq 整合进共享表征，实现跨模态预测与缺失模态重建。研究汇总六项公开研究的 690,880 个细胞进行评估，并在留出供体数据上于多项指标超越基线方法。该框架还探索了细胞类型注释、扰动响应预测和生物学年龄估计等应用。
正文 · AI 翻译
摘要：单细胞技术的最新进展使得对多种分子模态进行图谱分析成为可能，包括转录组学、蛋白质组学和染色质可及性，从而更全面地理解细胞状态。然而，整合异质模态并预测缺失的分子信息仍然具有挑战性，尤其是在配对测量有限的情况下。在此，我们介绍 scAnyOmics，这是一个生成式框架，可将冻结的单细胞基础模型中的知识蒸馏到多模态学生模型中。scAnyOmics 将 scRNA-seq、蛋白质标志物测量和 scATAC-seq 整合到共享表示中，实现跨模态预测和缺失模态的重建。我们汇集了来自六项公开研究的 690,880 个细胞，涵盖配对和部分配对的多组学测量，以系统评估其预测性能。我们进一步在留出的供体数据上评估 scAnyOmics，其在多个评估指标上优于基线方法。除跨模态重建外，我们还探索了其在细胞类型注释、扰动响应预测和生物学年龄估计中的应用。总体而言，scAnyOmics 提供了一个统一框架，用于整合不完整的单细胞多组学数据并迁移预训练生物学知识，支持在多样细胞背景和实验平台上开发虚拟细胞模型。
| 评论： | 14 页，4 幅图，2 张表 |
| 主题： | 人工智能（cs.AI） |
| 引用为： | arXiv:2610.41399 [cs.AI] |
| （或此版本的 arXiv:2610.41399v1 [cs.AI]） | |
| https://doi.org/10.48550/arXiv.2610.41399 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Zhaoqi Song [查看邮箱]
[v1]
2026年10月30日星期五 08:12:01 UTC（2,925 KB）
来源：arXiv cs.AI · arxiv.org