Shift Bioscience发布了一项新研究，引入了改进的指标和基准来评估虚拟细胞模型，从而推动基因靶点的发现，并加速其再生疗法研发管道的进展。
Shift Bioscience是一家专注于细胞再生生物学及与年龄相关疾病疗法的生物技术公司，宣布在优化虚拟细胞模型排名以进行基因发现方面取得了显著进步。该公司公布了一项新研究的结果，该研究引入了新颖的指标和基准，旨在更准确地评估这些模型的性能。这使得他们在再生靶点发现流程中的开发和优先级排序更加高效。
虚拟细胞模型的力量与挑战
基于单细胞RNA（scRNA）数据集训练的虚拟细胞模型为研究基因扰动引起的表型变化提供了一种革命性的方法。通过模拟基因的上调或下调，这些模型可以将传统上需要数百年实验室工作的时间压缩到仅需几个月的虚拟实验中。这种能力对于扩展靶点发现计划并简化向昂贵湿实验室研究的过渡至关重要。
然而，尽管它们具有潜力，基准测试研究表明，一些著名的虚拟细胞模型在使用性能指标进行评估时，常常被简单的数据集均值所超越。这种表现不佳阻碍了虚拟模型在加速基因发现方面的全部潜力。
精炼指标以揭示模型的真实性能
由Shift Bioscience的机器学习主管Lucas Paulo de Lima Camillo领导的这项研究，探讨了虚拟和现实世界的数据，以揭示实验因素（如对照偏差和弱扰动）如何扭曲标准指标对模型性能的真实评估。
团队开发了一个改进的排名系统，包含几个关键的预处理步骤，重点在于捕捉生物学上有意义的变化：
- 差异表达基因（DEG）加权评分指标
- 负面和正面基线校准
- DEG感知优化目标
这些创新有助于更好地突出真正具有预测性的模型，并确保识别并排除表现不佳的模型，避免将其纳入靶点识别程序。
使用更可靠的模型加速治疗发现
“在这项研究中，我们的团队展示了通过专注于开发新的指标和基准，我们可以更容易地识别出表现出强大预测能力的模型，”de Lima Camillo表示。“这篇论文提供了基础数据，使我们能够开发更强大、更具生物学用途的扰动模型，最终加速我们的治疗管道，并帮助我们发现新的再生疗法靶点。”
凭借这一增强的排名框架，Shift Bioscience准备加速其再生靶点的发现，推动旨在对抗与年龄相关疾病的疗法的研发。
(全文结束)
