José L. McFaline‐Figueroa

作者提出 SHERLOCK，一个可解释的深度生成框架，把遗传与药物扰动表示为潜基线细胞状态上的结构化干预，学习相关且稀疏的扰动表征，并在显式可识别性假设下对下游转录效应做反事实估计，同时量化条件依赖响应并以组合方式建模组合扰动；在基因组规模 CRISPR、化学与空间扰动数据上，该框架恢复了与已知生物通路和药理性质一致的扰动关系，识别出条件依赖响应，并预测了组合扰动效应。

作者提出 SHERLOCK，一个可解释的深度生成框架，把遗传与药物扰动表示为潜基线细胞状态上的结构化干预，学习相关且稀疏的扰动表征，并在显式可识别性假设下对下游转录效应做反事实估计，同时量化条件依赖响应并以组合方式建模组合扰动；在基因组规模 CRISPR、化学与空间扰动数据上，该框架恢复了与已知生物通路和药理性质一致的扰动关系，识别出条件依赖响应，并预测了组合扰动效应。