🔬Causal Models Need Causal Data - Xaira’s X-Cell model (Bo Wang & Ci Chu)

关键观点

1. 01虚拟细胞的分水岭是因果预测单细胞基础模型可以学习有意义的细胞表征，但这并不等同于完整的虚拟细胞。真正的虚拟细胞必须预测干预后的动态结果，包括基因扰动、药物作用、时间演化和空间变化。观察到基因共同变化，只能建立相关性，无法唯一确定调控方向。因而，模型若要回答“如果改变这个基因会怎样”，训练数据本身必须包含干预。

   单细胞基础模型可以学习有意义的细胞表征，但这并不等同于完整的虚拟细胞。真正的虚拟细胞必须预测干预后的动态结果，包括基因扰动、药物作用、时间演化和空间变化。观察到基因共同变化，只能建立相关性，无法唯一确定调控方向。因而，模型若要回答“如果改变这个基因会怎样”，训练数据本身必须包含干预。

   为什么重要: 这将研究重点从扩大静态表达语料，转向系统生产可识别因果结构的实验数据。

   支撑证据

   And the key difference there is perturbation prediction or dynamic processes in biology. That's a causal concept. For that, I think we need causal data.

2. 02数据质量与规模是首要性能来源Xaira 的消融与经验结果表明，高质量扰动数据带来的提升大于架构和先验知识。团队将七次全基因组 Perturb-seq 活动整合起来，覆盖 16 种细胞情境，并从更大规模的实验中筛出约 2500 万个高质量细胞。池化实验减少了板间差异，工业化流程和化学固定则降低了长时间操作引起的应激与批次效应。受访者给出的贡献排序是：数据质量与规模、架构、生物先验。