上周总结
详细整理目前研究的任务与一般技术方法，也就是上周五晚汇报的内容。
汇报复盘总结 :
研究方向为“细胞扰动响应预测”，重点围绕同一扰动的跨细胞情境迁移：利用一种干预在已有细胞类型或细胞系中的实验结果，预测它在另一种细胞中引起的基因表达变化。
1．研究价值与数据来源
任务可应用在基因功能研究和药物研究。由于难以测量所有“细胞与干预”的组合，希望利用已有实验预测尚未测量的结果，为后续验证提供参考。
数据部分：对照组、干预组实验获得RNA计数，再经过预处理形成“细胞×基因”表达矩阵。
2．细胞信息的三种输入方式
- 平均表达： 先对同一条件下的多个细胞取平均，把一群细胞汇总成一条表达向量，再提取特征。
- 逐细胞输入： 保留每个细胞自己的表达向量，分别通过同一个编码器得到特征。
- 细胞集合输入： 保留一组细胞，在提取特征时结合组内其他细胞的信息。
3．干预信息怎样进入模型
几类可用信息：药物的化学结构可以转为分子指纹或模型特征；干预身份可以转为类别编码，再学习相应的特征；也可以直接使用同一干预在参考细胞中已经测到的表达变化。
4．基因关系、模块与预训练的作用
基因图让模型在处理某个基因时结合相关基因的信息；基因模块把一组相关基因组织起来，再提取组内及组间特征；预训练则利用其他数据中已经学到的表示或参数。
5．怎样利用已有响应预测目标细胞
- 利用共享变化： 从来源细胞的处理组与对照组中估计可以共享的变化，再结合目标细胞的起始状态进行预测。
- 根据目标状态预测响应： 利用目标细胞的特点，使预测随细胞状态改变，而不是对所有细胞使用同一变化。不同方法采用的具体输入和计算过程有所不同。
- 利用少量目标实验校准： 比较来源与目标共同测过的其他干预，学习两边响应的关系，再调整、整合来源结果，预测目标中尚未测量的干预。
后续有待整理
- 过程介绍需要更详细。 下一次进一步整理并介绍DNA转录、基因表达的具体过程。
- 数据维度需要确认。 表达矩阵的行是细胞、列是基因。不同类型细胞的数据中，基因列是否一致、列的维度是否相同，还需要确认。
- 汇报逻辑需要继续梳理。 对整体内容的组织和前后逻辑进一步整理。
这周安排
进一步阅读文献，首先关注场景，其次是方法