机器学习在预测未测基因组合效应时，未必优于简单加性基准

一句话结论

在预测从未实测的基因组合效应时，复杂的机器学习模型未必能比简单的“单基因效应相加”基准更准确，且偏离该基准越远，预测误差往往越大。

关键要点

• 该研究聚焦于一类特定场景：测试的两个基因在训练阶段都出现过，但它们的组合从未被测量过。在这种“部分已知、整体未知”的情况下，标准的分布外检测（OOD）方法通常会失效，因为从单个基因来看，它们都不陌生。
• 研究人员提出了一种名为“加性分歧”（Additive Disagreement, AD）的指标。AD 定义为机器学习模型的预测值与两个已知单基因效应简单相加值之间的差值，用于量化模型为未见组合引入了多少额外的交互效应。
• 研究在三个 Perturb-seq 数据集上，对比了八种不同的预测方法。结果发现，专门设计的神经网络预测器并未一致地优于这个简单的加性基准模型。
• 实验证据表明，预测值偏离加性基准的程度（即 AD 值）与预测误差呈正相关。换言之，模型自信地预测出强烈的交互效应（大 AD）时，其错误率通常也更高。
• 传统的基于输出置信度或嵌入向量的不确定性信号在不同数据集和模型间表现不一致，而 AD 指标在所有受测的组合场景中均显示出良好的信息量和稳定性。

背景与事实

高通量扰动筛查（High-throughput Perturbation Screens）是生物学研究中用于理解基因功能及相互作用的重要手段。随着实验数据的积累，利用机器学习模型预测未测基因组合的效应成为趋势，这可以大幅降低昂贵的实验成本。然而，当模型需要预测两个已知单基因在组合状态下的效应时，面临着一个独特的挑战：这两个基因在训练集里都出现过，模型对它们并不陌生，但它们的组合却是全新的。在这种情况下，常规的分布外检测（OOD）方法往往失效，因为它们依赖于输入特征的整体新颖性，而这里每个单独的特征都是“老面孔”。

为了解决这一问题，一项发表于 arXiv cs.LG 领域的新研究（提交于 2026 年 1 月 10 日）提出了一种诊断方法。研究团队没有直接依赖模型内部的不确定性输出，而是构建了一个极简的基准：将两个基因在单独扰动下的已知效应直接相加。他们定义模型预测值与该加性基准值之差为“加性分歧”（AD）。AD 的大小直观地反映了模型声称观察到了多大的“交互效应”——即 1+1 是否不等于 2。如果模型预测值接近两单基因效应之和，AD 接近零，意味着模型认为没有显著交互；如果 AD 很大，意味着模型预测存在强烈的非线性交互。

该研究在三个公开的 Perturb-seq 数据集上，系统评估了八种不同的预测方法。这些方法涵盖了多种主流架构。评估的核心逻辑是：如果模型真的学会了基因间的真实交互，那么它偏离简单加性基准的程度，应当与它预测错误的程度负相关（即偏离基准越准，或者偏离基准是有依据的）。然而，事实恰恰相反。数据显示，预测值偏离加性基准越远（AD 绝对值越大），其预测误差也倾向于越大。这表明许多复杂的神经网络模型实际上并没有真正“学会”基因交互的物理或生物学机制，而是在过拟合或强行推断出巨大的交互项，而这些推断大多是错误的。

此外，研究还考察了 AD 信号在自主代理式（Agentic）筛选工作流中的应用。在这种自动化流程中，AI 代理需要决定下一步实验测试哪些基因组合。通过利用 AD 信号，代理可以识别出那些模型预测“极度自信”但实际可能高估了交互效应的组合，从而避免在这些高风险区域浪费实验资源。研究代码已公开，方便复现和进一步探索。

影响分析

对于从事生物信息学、计算药物发现或合成生物学的从业者而言，这一研究揭示了一个关键的陷阱：不要盲目信任复杂模型对“新颖组合”的高置信度预测。

首先，在实验设计阶段，研究人员应当将“加性基准”作为一个必要的对照工具。当使用任何机器学习模型（无论是 GNN、Transformer 还是其他架构）预测基因组合效应时，必须先计算该组合的单基因效应之和。如果模型的预测显著高于或低于这个和值，且模型没有提供强有力的生物学依据，那么应默认该预测风险较高。

其次，这一发现改变了我们评估模型不确定性的方式。过去，开发者倾向于调整模型输出层或查看嵌入空间距离来评估不确定性。该研究表明，这些传统方法在多基因组合预测中并不可靠。相比之下，AD 指标是一种基于“可解释性缺失”的诊断工具——它直接检验模型是否在没有证据的情况下引入了复杂的交互项。对于中文开发者来说，如果在开发辅助药物筛选系统，将 AD 作为后处理过滤步骤，可以显著提升筛选效率，减少由模型幻觉（Hallucination）导致的无效实验。

最后，该研究暗示了当前深度学习在组合预测任务上的局限性。模型似乎擅长插值（Interpolation，即预测已知基因对之间的效应），但不擅长外推（Extrapolation，即预测未知组合的交互）。因此，在应用 AI 加速科研时，需要更谨慎地界定模型的适用域，避免让 AI 代理在“未知组合”空间里盲目探索。

适用边界

需要注意的是，该研究的结论主要基于 Perturb-seq 数据，这是一种通过 RNA 测序检测基因扰动后转录组变化的技术。因此，AD 指标的有效性在转录组层面的基因组合预测中得到了验证。然而，如果将该方法直接应用到蛋白质-蛋白质相互作用（PPI）结构预测、代谢通量分析或表观遗传修饰预测中，结论未必成立，因为不同的生物学数据模态具有不同的非线性特征。

此外，研究指出在“两个基因都已知”的场景下，OOD 方法失效。如果测试的是完全全新的基因对（即两个基因在训练中均未出现），传统的 OOD 检测可能依然有效，此时 AD 指标可能无法涵盖“未知基因特征”带来的误差。因此，AD 指标特指“已知单基因、未知组合”这一特定子集的外推问题，而非通用的未知数据检测。

孤本观察

来源：arXiv cs.LG