论文
HarmonyCell：在语义与分布偏移下自动化单细胞扰动建模
HarmonyCell: Automating Single-Cell Perturbation Modeling under Semantic and Distribution Shifts
摘要
单细胞扰动研究面临双重异质性瓶颈：（i）语义异质性——相同的生物学概念在不同数据集中以互不兼容的元数据模式编码；（ii）统计异质性——由生物学变异导致的分布偏移，要求针对数据集的归纳偏置。我们提出 HarmonyCell，一个端到端智能体框架，通过专用机制分别解决两个挑战：LLM 驱动的 Semantic Unifier 无需人工干预即可自主把互不相同的元数据映射到规范接口；自适应蒙特卡洛树搜索引擎在层级动作空间上运行，为分布偏移合成具有最优统计归纳偏置的架构。在语义偏移与分布偏移下的多样扰动任务上评估，HarmonyCell 在异构输入数据集上达到 95% 的有效执行率（通用智能体为 0%），并在严格的分布外评估中媲美甚至超过专家设计的基线。这种双轨编排使无需数据集特定工程的可扩展自动虚拟细胞建模成为可能。
