Chreode：一种用于一步时间动力学和扰动预测的细胞世界模型

预测细胞在发育信号或遗传扰动下如何改变其转录状态是计算机生物学和人工智能虚拟细胞程序的计算核心。现有方法要么拟合静态控制到处理的映射（丢弃时间），要么独立解决每个数据集上的多步 ODE/薛定谔桥问题。我们引入 Chreode，这是一种一步细胞世界模型，它通过结构化残差转换算子预测动作条件的细胞状态转换。它将分布演化从推理时间转移到训练时间，实现单遍生成，同时保留 Waddington 启发的分解为下坡景观流、旋转切线动力学和随机传播。该模型使用共享 scVI 编码器和基于 DiT 的动力学主干在跨越 7 个数据集的 2.4M 细胞小鼠胚胎图谱上进行预训练。作为 微调 初始化，Chreode 相对于匹配的划痕模型、PI-SDE 和 PRESCIENT 改进了 Weinreb 造血和 Veres 胰岛分化上的每个目标 Sinkhorn 距离。作为 GEARS 的可转移基因状态嵌入，预训练的动力学表示将 Norman Perturb-seq 上的共享词汇 DE20 均方误差从 0.2121 降低到 0.1858，相对改进了 12.4%，而无需更改 GEARS 训练程序。我们将这种向扰动预测的转移解释为预训练的发育轨迹动力学编码可转移至 CRISPR 诱导的状态转变的分化原语的证据，因为两者都涉及共享潜在几何结构中的细胞状态转变。预训练的骨干网还可以在 Weinreb 上产生零样本克隆命运分数，这与强大的动态 OT 基线具有竞争力。