超越基因重建：通过互补转录组学观点学习细胞表征

单细胞转录组数据的快速增长使得主要通过重建掩蔽表达值进行预训练的基础模型得以开发。这一目标鼓励这些模型学习基因依赖性，但不会直接优化全细胞表示，而这对于许多下游任务至关重要。为了弥补这一差距，我们提出了一个对比预训练框架，该框架通过互补的转录组学视图来学习细胞表示。由于标准对比学习不太适用于单细胞预训练，因此我们在三个维度上引入了具体的适应——共表达引导的基因划分、表达感知对比集构建和能力门控对比起始。具体来说，我们首先根据每个细胞的共表达结构划分其基因，构建每个细胞的两个互补视图。然后，为了防止模型使用基因集身份作为捷径，我们通过排列表达值同时保持基因身份不变来构建硬负例。最后，我们引入一个能力感知控制器来确定如何应用对比目标。细胞类型注释和基因调控网络推理实验证明了评估方案下的竞争性转移。在六网络 GRN 评估中，我们的方法记录了比较变体中最高的平均 AUROC 和 AUPRC 点估计，而最高得分的变体在各个网络之间有所不同。这些结果确立了互补视图对比学习作为基因重建之外的单细胞预训练的有效方向。