顶刊论文（社媒热度）· Nat Biotechnol·2026-10-02 04:00· 20 小时前精选评分64

深度学习遗传扰动模型在指标校正后可超越无信息基线

Deep learning perturbation models can outperform baselines on calibrated metrics.

导读

研究在14个数据集和18个指标上发现均方误差和Pearson Δ等常用扰动预测指标常存在失校，指标校正后深度学习遗传扰动模型可超越无信息基线；论文同时给出正控基线和指标校正框架供后续评测使用。

推荐理由

文章提出校正后的扰动模型评测框架，在14个数据集和18个指标上说明此前阴性结论与指标失校有关，可作为后续深度学习扰动模型评测的对照参考。