热点事件观察中
扰动模型评估：插值基线与动态范围分数
1 篇报道1 个报道来源1 天前更新
先了解这件事
事件综述
2026年10月1日，Nature Biotechnology发表一项关于深度学习遗传扰动预测模型评估的工作。该研究提出动态范围分数（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的灵敏度。研究在14个数据集、18个度量上测试了9个深度学习模型（scGPT、GEARS、PRESAGE、scLambda、CellFlow等）及4种基础模型嵌入探针。结果显示，在标定度量下，多数模型可超越无信息基线；其中PRESAGE在Wessels23组合扰动任务上，于15/18个度量超过加性基线。
由模型根据报道生成 · 6 小时前更新
最新进展10月1日 08:00
在14个数据集、18个度量上测试9个深度学习模型，标定后多数模型可超越无信息基线。报道时间线
沿着报道，了解事件的不同侧面。
10月1日
- Nature Biotechnology精选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。
本事件热度走势
当前热度 4·可比范围峰值 5（10月2日 09:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。