该文章介绍了一种名为 CellNavi 的深度学习框架，其旨在通过学习一个由基因图谱增强的细胞状态流形来预测驱动细胞转变的关键基因。CellNavi 利用大规模、高维的转录组数据进行训练，并通过整合具有方向性连接的基因图谱，构建了一个能够捕捉细胞内在特征的流形。研究人员通过在 CRISPR 扰动、T 细胞分化、神经退行性疾病模型和药物作用机制等多样化任务上的定量评估，证实了 CellNavi 在准确识别驱动基因和跨不同生物学背景泛化方面的出色能力，超越了传统的网络和差异表达分析方法。该框架代表了驱动基因预测和细胞状态调控方面的重要进展，有望推动疾病生物学和药物发现的研究。
References:
- Wang T, Pan Y, Ju F, et al. CellNavi predicts genes directing cellular transitions by learning a gene graph-enhanced cell state manifold[J]. Nature Cell Biology, 2025: 1-12.
