准确预测大规模细胞扰动的影响，对于阐明基因与细胞功能之间的因果关系以及推动靶向治疗和药物研发具有重要潜力。当前的功能基因组学技术（如单细胞 CRISPR 筛选或小分子扰动）能够在特定细胞语境下实现转录组级别的读出，但其高昂的成本使得跨多种语境的拓展难以普及。现有的深度学习模型在跨细胞语境泛化扰动效应时，效果往往难以超越简单的线性模型。
准确预测大规模细胞扰动的影响，对于阐明基因与细胞功能之间的因果关系以及推动靶向治疗和药物研发具有重要潜力。当前的功能基因组学技术（如单细胞 CRISPR 筛选或小分子扰动）能够在特定细胞语境下实现转录组级别的读出，但其高昂的成本使得跨多种语境的拓展难以普及。现有的深度学习模型在跨细胞语境泛化扰动效应时，效果往往难以超越简单的线性模型。