# scGPT单细胞基础模型

在单细胞基础模型里，过去只能逐个基因或枚举少量组合来预测过表达效果。九州工业大学团队把“选哪几个基因过表达”写成对基因词元的离散对抗攻击，用原本为语言模型设计的贪心坐标梯度（GCG）搜索组合。在Geneformer与scGPT上，同等前向计算预算下GCG对目标细胞状态的相似度提升均高于梯度池贪心，且优势随组合规模增大；但按已发表重编程因子计，单基因效应排序的命中率更高。

在单细胞基础模型里，过去只能逐个基因或枚举少量组合来预测过表达效果。九州工业大学团队把“选哪几个基因过表达”写成对基因词元的离散对抗攻击，用原本为语言模型设计的贪心坐标梯度（GCG）搜索组合。在Geneformer与scGPT上，同等前向计算预算下GCG对目标细胞状态的相似度提升均高于梯度池贪心，且优势随组合规模增大；但按已发表重编程因子计，单基因效应排序的命中率更高。

单细胞扰动实验成本高、通量有限，计算预测却长期受评估口径不一和难以稳定超过简单基线困扰。DCAF把数据配对、评估标准与预测模型合成一个框架：用熵正则最优传输为每个扰动细胞找回扰动前状态，用非沉默基因的对数倍数变化打分，再用JEPA结构联合编码扰动前后细胞。在跨基因、跨细胞类型与跨脑区设定中，DCAF-model在非沉默基因上的对数倍数变化R²与MSE优于GEARS、scGPT、线性与均值基线。

单细胞扰动实验成本高、通量有限，计算预测却长期受评估口径不一和难以稳定超过简单基线困扰。DCAF把数据配对、评估标准与预测模型合成一个框架：用熵正则最优传输为每个扰动细胞找回扰动前状态，用非沉默基因的对数倍数变化打分，再用JEPA结构联合编码扰动前后细胞。在跨基因、跨细胞类型与跨脑区设定中，DCAF-model在非沉默基因上的对数倍数变化R²与MSE优于GEARS、scGPT、线性与均值基线。