近日，国际顶级会议AAAI 2025将在美国宾夕法尼亚州费城举办，由计算机与信息工程学院刘辉教授指导的2023级硕士研究生金世凯同学的长文“Learning Cross-Domain Representations for Transferable Drug Perturbations on Single-Cell Transcriptional Responses”被大会录用。AAAI是人工智能领域的顶级国际会议，也是中国计算机学会（CCF）推荐的A类国际学术会议。AAAI 2025共有12957篇投稿进入审稿阶段，经过Rebuttal后，最终有3032篇论文（23.4%）被录用。

随着新药研发成本的持续攀升，如何准确预测单个细胞对药物作用的转录响应成为了一个亟待解决的问题。该论文提出了一种名为XTransferCDR的创新方法，用于解决药物-细胞系反应预测这一关键挑战，并在多个数据集上取得了显著的性能提升。

研究团队创新性地提出了一个跨域交叉迁移学习框架（图1），该框架能够有效学习药物与基因扰动表征，并迁移至新的细胞环境中，从而预测扰动诱导的表达谱。XTransferCDR的核心在于其独特的特征解耦-交叉迁移架构，其中包含细胞基态特征编码器、扰动态特征编码器、特征交叉迁移模块和表达谱生成器。在理论上，该模型借鉴了解耦表征学习、线性可加性、特征迁移的思想，通过这种设计，模型能够充分捕获药物扰动和细胞系之间的复杂相互作用。实验结果表明，在单细胞药物扰动、单基因扰动和双基因扰动数据集上，XTransferCDR都展现出了优异的预测性能。这项研究为药物开发领域提供了一种新的计算工具，帮助研究人员有效地地预测药物诱导的分子表型反应，从而加速药物筛选过程。

作者：刘辉 计算机与信息工程学院（人工智能学院）审核：高辉庆、万夕里