在标定度量下深度学习遗传扰动预测模型可超越基线

该工作提出动态范围分数（DRF）标定框架和插值重复基线，用于评估扰动预测度量对生物学信号灵敏度。在14个数据集、18个度量上测试9个深度学习模型（scGPT、GEARS、PRESAGE、scLambda、CellFlow等）和4种基础模型嵌入探针，结果显示标定度量下多数模型可超越无信息基线，PRESAGE在Wessels23组合扰动任务上于15/18个度量超过加性基线。