Team name

AlphaCell

Single-cell perturbation predictiona zero-shot model for unseen perturbations对训练中未见的遗传扰动进行单细胞表达响应预测

天津大学电气自动化与信息工程学院T4 基础科学

Project title

Single-cell perturbation predictiona zero-shot model for unseen perturbations

T4 基础科学单细胞预测公开数据分层评估

AlphaCell 用公开单细胞扰动数据训练零样本预测模型，并分别评估全基因、差异表达基因和强效应基因的表现。

Team name: AlphaCell
Institution: 天津大学电气自动化与信息工程学院

高通量单细胞扰动实验成本高、周期长，无法逐一覆盖大量基因及其组合。AlphaCell 把任务限定为训练中未见扰动的表达响应预测，并用 GO 注释、条件编码、cINN 和潜空间建模形成计算流程。

研究路径

0.901 之外的两个数字

成果图的标题是「阶段性外部基线对比」，三组柱子对应三层指标。全基因 Mean R²：AlphaCell 0.901，biolord 0.904，KNN 0.887，GEARS 0.873。差异表达基因（DEG）Mean R²：AlphaCell 0.426，biolord 0.291，KNN 0.358，GEARS 0.463。强效应基因 Mean R²：AlphaCell 0.145，biolord 0.041，KNN 0.067，GEARS 0.218。三层之间的落差很大。而且在后两层里，AlphaCell 都不在最前面——DEG 上 0.426 低于 GEARS 的 0.463；强效应基因上，0.145 与 GEARS 的 0.218 差距更明显。

全基因 Mean R²: 0.901
差异表达基因: 0.426
强效应基因 Mean R²: 0.145

公开基线评估记录屏幕显示通过 SSH 运行的公开基线示例与 R² 分布图，用于核对不同方法在同类指标下的表现。

01
阶段 1
可复现的计算 DBTL 循环
AlphaCell 将本阶段范围明确为计算研究，不开展湿实验，也不把计算验证描述为干湿闭环。其计算循环包括任务与模型设计、数据处理和实现、对 95 个未见扰动的分层评估，以及依据误差调整模型与评估。
02
阶段 2
把项目拆成模块，再互相复核
团队成员的课程和科研安排不同，早期的模型改动、结果记录和任务交接容易脱节。团队把工作拆成模块，通过固定线上会议和共享记录同步进展，并安排成员复核重要结果。
03
阶段 3
统一评估流程，把模型讲清楚
AlphaCell 给后半程列的事项很短：统一评估流程，改进关键响应基因预测，整理可复现的代码和文档。

零样本预测五步流程流程从遗传扰动与 GO 注释出发，经 10 维条件编码和 cINN 映射进入 128 维潜空间，最后输出基因表达响应。

三层指标对照成果图同时列出全基因、差异表达基因和强效应基因的 Mean R²；AlphaCell 对应数值为 0.901、0.426 和 0.145。

AlphaCell

Single-cell perturbation predictiona zero-shot model for unseen perturbations

给一个没见过的扰动，预测细胞会怎么变

0.901 之外的两个数字

项目推进与验证路径

可复现的计算 DBTL 循环

把项目拆成模块，再互相复核

统一评估流程，把模型讲清楚

项目图表与方法记录