精选理由
做药物发现或化学基因组学的团队终于有了一个标准化的多源转录组资源——37k化合物、136种细胞环境，直接拿来预训练或评估模型，省去数据清洗的麻烦。
Chem-PerturBridge 是一个整合了37k+化合物、136种细胞环境和125万转录组样本的多数据集资源，覆盖8种实验类型，并统一了标识符、元数据和预处理流程。研究发现，不同数据集间相同化合物的logFC方向和幅度一致性较弱，但方向一致性相对稳定。该资源作为预训练数据，在化合物表示学习任务中优于仅使用L1000数据、Morgan指纹和基线方法。Chem-PerturBridge 支持跨数据集签名一致性的诊断评估，以及异质扰动转录组数据的模型复用。
AI 翻译 · 中文
Chem-PerturBridge 是一个整合了37k+化合物、136种细胞环境和125万转录组样本的多数据集资源，覆盖8种实验类型，并统一了标识符、元数据和预处理流程。研究发现，不同数据集间相同化合物的logFC方向和幅度一致性较弱，但方向一致性相对稳定。该资源作为预训练数据，在化合物表示学习任务中优于仅使用L1000数据、Morgan指纹和基线方法。Chem-PerturBridge 支持跨数据集签名一致性的诊断评估，以及异质扰动转录组数据的模型复用。
Large perturbation models require training data encompassing chemical, cellular, and assay diversity. Current transcriptomic resources for small-molecule modeling, however, are fragmented across technologies, metadata co…