摘要基因扰动分析是药物研发的核心手段可探究人为基因干预如何调控细胞全局基因表达模式。人工智能驱动的虚拟细胞模型近年来发展迅速能够在计算机中批量预测各类基因扰动策略对应的表达变化大幅降低昂贵、耗时的生物实验依赖。但扰动组合具备组合爆炸特性且不同细胞会产生差异化复杂基因表达应答导致模型输出高维扰动空间难以高效挖掘解读。本文提出可视分析系统CellPrism用于药物研发场景下系统性探索基因扰动方案。系统集成聚类全局概览模块汇总扰动整体效果采用雷达符号紧凑编码多细胞基因表达谱搭配多联动视图实现细粒度对比解析扰动作用。本文通过真实药物研发案例与领域专家访谈验证CellPrism有效性证实可视分析可打通虚拟细胞建模与专家药物研发决策之间的壁垒。rshengacconnect.ust.hk#药物研发 #虚拟细胞 #基因表达数据 #人机协同背景图2 CellPrism整体集成框架分为数据处理管线与可视分析工作流2部分(A) 数据处理管线A1利用虚拟细胞模型输入表达矩阵与扰动标签预测基因差异表达A2通过SHAP分析计算各扰动基因在不同细胞中的贡献度。(B) 4级递进可视分析流程B1筛选潜在观测基因B2全局概览各类扰动的表达输出B3细粒度对比候选扰动方案B4汇总筛选最优扰动用于最终药效评估。系统设计图1 CellPrism可视化界面总览面向细胞特异性药物靶点挖掘、副作用评估的可视分析系统提供知识驱动递进式分析工作流包含4大交互视图(A) 候选基因基于统计分布快速筛选观测基因(B) 聚类导航大规模扰动空间全局探索B1聚类散点概览、B2雷达符号单扰动详情(C) 表达对比精细化对比不同扰动策略的表达差异C1筛选模式热力图、C2细节对比箭头图(D) 候选汇总留存优质扰动批量对比并筛选最优干预方案。候选基因视图图3 差异表达小提琴分布图并排小提琴图可视化基因差异表达。纵轴为相对基线的表达差值小提琴宽度代表对应扰动数量密度红色小提琴为抑制细胞状态基因蓝色为促进细胞状态基因(C) 分正负调控基因设置滑动阈值按表达区间与占比过滤基因。聚类导航视图图4 聚类导航视图各模块(A) 雷达符号设计每环代表1个扰动基因弧宽为基因贡献大小红蓝区分正负贡献(B) 早期废弃的符号原型(C) 聚类投影散点图每个点对应1条扰动策略(D) 聚类汇总统计表内含细胞表达直方图、观测基因条形图、扰动基因统计条形图d1为单类细胞表达分布直方图。表达对比视图图5 表达对比视图2种互补分析模式(A) 筛选模式热力图快速过滤无效扰动色块饱和度代表与筛选阈值的接近程度达标单元格高亮a1(B) 精细对比模式定向箭头直观展示同一基因在不同扰动下的表达升降幅度b1。案例研究图6 基因筛选与聚类筛选过程专家分析前2步操作。(A) 调节筛选阈值(a1)筛选出4个核心观测基因(a2)(B) 聚类统计面板b1为A375、HepG2细胞内IER3基因表达分布b2、b3为各类观测基因在聚类内的表达统计。图7 2种扰动方案雷达符号可视化对比(A) 3基因扰动STAT3_VIM_PCNAVIM基因对iPSC正常细胞存在强负面扰动(B) 剔除VIM后的双基因组合STAT3_PCNA对正常细胞副作用显著降低。a1为外层SHAP贡献弧标注各基因正负贡献。图8 扰动方案精细对比与汇总(A) 筛选模式热力图快速初筛达标扰动(B) 候选汇总面积图对比肿瘤细胞药效与iPSC副作用(C) 精细对比视图c1 A375肿瘤细胞内STAT3_PCNA对抑癌基因抑制更强c2 iPSC正常细胞无超标异常表达安全性更优。详细总结思维导图基础信息总览现有可视化工具短板对比5大专家设计需求DR1~DR5参考CellPrism: A Visual Analytics System for Exploring AI-Driven Virtual Cells in Drug Discoveryhttps://doi.org/10.48550/arXiv.2608.01669注AI辅助创作如有不当欢迎指出。内容仅供参考不构成任何建议。
摘要基因扰动分析是药物研发的核心手段可探究人为基因干预如何调控细胞全局基因表达模式。人工智能驱动的虚拟细胞模型近年来发展迅速能够在计算机中批量预测各类基因扰动策略对应的表达变化大幅降低昂贵、耗时的生物实验依赖。但扰动组合具备组合爆炸特性且不同细胞会产生差异化复杂基因表达应答导致模型输出高维扰动空间难以高效挖掘解读。本文提出可视分析系统CellPrism用于药物研发场景下系统性探索基因扰动方案。系统集成聚类全局概览模块汇总扰动整体效果采用雷达符号紧凑编码多细胞基因表达谱搭配多联动视图实现细粒度对比解析扰动作用。本文通过真实药物研发案例与领域专家访谈验证CellPrism有效性证实可视分析可打通虚拟细胞建模与专家药物研发决策之间的壁垒。rshengacconnect.ust.hk#药物研发 #虚拟细胞 #基因表达数据 #人机协同背景图2 CellPrism整体集成框架分为数据处理管线与可视分析工作流2部分(A) 数据处理管线A1利用虚拟细胞模型输入表达矩阵与扰动标签预测基因差异表达A2通过SHAP分析计算各扰动基因在不同细胞中的贡献度。(B) 4级递进可视分析流程B1筛选潜在观测基因B2全局概览各类扰动的表达输出B3细粒度对比候选扰动方案B4汇总筛选最优扰动用于最终药效评估。系统设计图1 CellPrism可视化界面总览面向细胞特异性药物靶点挖掘、副作用评估的可视分析系统提供知识驱动递进式分析工作流包含4大交互视图(A) 候选基因基于统计分布快速筛选观测基因(B) 聚类导航大规模扰动空间全局探索B1聚类散点概览、B2雷达符号单扰动详情(C) 表达对比精细化对比不同扰动策略的表达差异C1筛选模式热力图、C2细节对比箭头图(D) 候选汇总留存优质扰动批量对比并筛选最优干预方案。候选基因视图图3 差异表达小提琴分布图并排小提琴图可视化基因差异表达。纵轴为相对基线的表达差值小提琴宽度代表对应扰动数量密度红色小提琴为抑制细胞状态基因蓝色为促进细胞状态基因(C) 分正负调控基因设置滑动阈值按表达区间与占比过滤基因。聚类导航视图图4 聚类导航视图各模块(A) 雷达符号设计每环代表1个扰动基因弧宽为基因贡献大小红蓝区分正负贡献(B) 早期废弃的符号原型(C) 聚类投影散点图每个点对应1条扰动策略(D) 聚类汇总统计表内含细胞表达直方图、观测基因条形图、扰动基因统计条形图d1为单类细胞表达分布直方图。表达对比视图图5 表达对比视图2种互补分析模式(A) 筛选模式热力图快速过滤无效扰动色块饱和度代表与筛选阈值的接近程度达标单元格高亮a1(B) 精细对比模式定向箭头直观展示同一基因在不同扰动下的表达升降幅度b1。案例研究图6 基因筛选与聚类筛选过程专家分析前2步操作。(A) 调节筛选阈值(a1)筛选出4个核心观测基因(a2)(B) 聚类统计面板b1为A375、HepG2细胞内IER3基因表达分布b2、b3为各类观测基因在聚类内的表达统计。图7 2种扰动方案雷达符号可视化对比(A) 3基因扰动STAT3_VIM_PCNAVIM基因对iPSC正常细胞存在强负面扰动(B) 剔除VIM后的双基因组合STAT3_PCNA对正常细胞副作用显著降低。a1为外层SHAP贡献弧标注各基因正负贡献。图8 扰动方案精细对比与汇总(A) 筛选模式热力图快速初筛达标扰动(B) 候选汇总面积图对比肿瘤细胞药效与iPSC副作用(C) 精细对比视图c1 A375肿瘤细胞内STAT3_PCNA对抑癌基因抑制更强c2 iPSC正常细胞无超标异常表达安全性更优。详细总结思维导图基础信息总览现有可视化工具短板对比5大专家设计需求DR1~DR5参考CellPrism: A Visual Analytics System for Exploring AI-Driven Virtual Cells in Drug Discoveryhttps://doi.org/10.48550/arXiv.2608.01669注AI辅助创作如有不当欢迎指出。内容仅供参考不构成任何建议。
