单细胞 RNA 测序技术的快速发展使得研究外部干扰对单个细胞水平的基因表达的影响成为可能。然而，在某些情况下，获取受干扰的样本可能非常具有挑战性，而测序的高成本也限制了大规模实验的可行性，需要使用计算方法来预测单细胞基因表达扰动响应。例如，利用现有数据和药物引起的扰动来预测新样本中的反应可以为临床诊断和治疗提供有价值的指导。尽管存在多种方法，但预测准确性仍有进一步提高的空间。

为了解决这些问题，由陈胜泉领导的研究团队 于 2024 年 6 月 15 日在 高等教育出版社和施普林格·自然联合出版的《计算机科学前沿》上发表了他们的新研究。 该团队提出了 SCREEN，这是一种基于掩蔽变分自动编码器和最佳传输映射的生成模型。在各种数据集上的综合实验表明，SCREEN 在预测单细胞扰动响应方面明显优于基线方法。此外，他们还展示了 SCREEN 对数据噪声、细胞类型数量和细胞类型不平衡的稳健性，表明其在各种场景中的适用性更广泛。此外，他们还展示了 SCREEN 促进下游分析中生物学意义的能力，表明其在单细胞扰动分析方面具有巨大潜力。