上周回顾
整理选题想法
具体如下图（同上周四用以汇报的图）
技术脉络整理ing
- 回归文献，计划梳理分支二的技术脉络发展
- 深入阅读，抓取本质
当前正在阅读：《scGen predicts single-cell perturbation responses》
进度：80%，还有部分公式尚未理解
整理笔记如下：《scGen predicts single-cell perturbation responses》笔记
下周计划
这两周共计准备阅读文献如下（尽力而为）：
A．七篇跨背景主线候选
| 论文 | 正式发表平台 | 在技术脉络中研究什么 |
|---|---|---|
| scGen | Nature Methods，2019 | 学习潜在表示，用来源中的扰动变化预测目标细胞响应 |
| CellOT | Nature Methods，2023 | 从非配对的细胞群体学习分布映射，并检验留出患者、跨物种等迁移 |
| Squidiff | Nature Methods，2025 在线／2026 卷期 | 通过扩散生成与语义特征建模表达变化，覆盖多类细胞与扰动任务 |
| PrePR-CT | Nature Machine Intelligence，2026 | 将细胞类型特异共表达图引入模型，预测未见细胞类型中的化学扰动响应 |
| CRISP | Nature Computational Science，2025 在线／2026 卷期 | 利用基础模型和细胞类型特异学习，预测未见细胞类型中的药物响应 |
| TxPert | Nature Biotechnology，2026 | 结合多个知识图谱与细胞基础状态，包含目标细胞系全部扰动样本留出的测试 |
| State | Cell，2026 | 面向多背景的细胞集合响应建模，研究更大范围的跨背景预测 |
B．五篇数学机制补充
| 论文 | 正式发表平台 | 为什么补读 |
|---|---|---|
| biolord | Nature Biotechnology，2024 | 理解已知属性、未知属性如何分别表示，以及如何操作这些属性生成表达 |
| chemCPA | NeurIPS 2022 主会 | 理解药物结构条件化，以及从 bulk 数据迁移到单细胞任务 |
| SAMS-VAE | NeurIPS 2023 主会 | 理解稀疏、可组合的潜在扰动机制 |
| CMonge | Nature Machine Intelligence，2026 | 理解如何从分别学习运输映射，发展到条件化的共享运输模型 |
| scDFM | ICLR 2026 主会 | 理解条件流匹配与分布损失如何结合 |