Cell 报道 UniPert-G2CP：两阶段深度学习框架连接基因与药物扰动数据预测细胞表型

高通量扰动实验是当下解析基因功能与细胞调控的核心手段。在遗传筛选一侧，Perturb-seq 等池化 CRISPR 筛选结合单细胞转录组，已能大规模刻画扰动后的细胞状态，构建转录表型流形并系统识别信号调控因子的靶点 ^[1][5]；在化学扰动一侧，以 CPA 为代表的深度学习模型可以在单细胞水平预测未见剂量、细胞类型乃至完全未见药物的转录响应 ^[2]，scGPT 等单细胞基础模型也把扰动响应预测纳入下游任务 ^[3]。但两类数据长期各自为政，模型难以互相借力，而对 27 个方法、29 个数据集的系统评测进一步显示，包括基础模型在内的扰动预测方法在跨细胞情境、未见扰动上的真实效力仍存疑 ^[4]。这正是 UniPert-G2CP 试图切入的问题。

据 2026 年 8 月 18 日的消息，这项发表于 Cell 的工作提出两阶段深度学习框架 UniPert-G2CP，尝试打通长期相对割裂的基因扰动与化学扰动数据：一方面建立基因与小分子的统一分子表示，使两类扰动源进入同一模型；另一方面利用规模更系统的遗传筛选数据预训练细胞扰动模型，再以有限的化合物筛选数据微调，从而提升对未见药物的细胞响应预测能力。同行评审版本披露，该框架建模的扰动后细胞状态覆盖 4,994 个基因与 7,821 个化合物 ^[6]。

相对已有认识，其推进在于把“遗传筛选数据系统、化合物筛选数据有限”这一不对称性变成了可利用的结构。此前 CPA 虽已证明可在模型架构中引入药物的化学表示、从而外推到完全未见的药物 ^[2]，但并未把遗传筛选当作预训练来源迁移到化学扰动建模上；UniPert-G2CP 的“基因预训练、化学微调”路线，相当于用更系统的基因扰动数据为药物响应预测打底。这一目标恰好对准了基准评测所指出的痛点——现有方法在未见情境下的泛化能力不足 ^[4]。

需要留意的是，消息本身仅称“尝试”打通两类数据，未见药物响应的提升也是在特定数据设置下验证的；据报道，其建模验证集中于若干癌细胞系 ^[7]，更广细胞情境下的表现仍待检验，而跨情境泛化正是该领域公认的难题 ^[4]，遗传与化学扰动之间的可迁移边界也还需更多实验回答。