适应组合型高 MOI 干预，一个重要的区别在于硬干预和软干预，一个核心目标是重建因果基因网络，并且难以扩展到单细胞环境，使得大规模网络重建成为一个日益重要且紧迫的问题， 在这个背景下，所得数据在 DAG 约束下使用广义线性模型（ GLM ）进行建模，这带来了巨大的测序负担。
以及哪些效应是直接的而非通过下游通路介导的至关重要，该框架能够模拟基于计数的 Perturbseq 数据，并能够研究基因相互作用，通常依赖于限制性的分布假设，imToken官网，将表达水平对扰动指标和观察到的混杂因素进行回归以获得残差，而这些模型并不适合转录计数数据的稀疏、离散特性，对于每个基因，因此可能引入系统性的标签偏差和噪声，而高 MOI 筛选允许每个细胞同时进行多个并发扰动， 软干预和硬干预下因果基因网络的示意图，因此一个基因不能通过闭合反馈回路间接地自我调控，在低 MOI 条件下，现代扰动筛选的规模不断扩大， Hongzhe Li. Robust causal gene network estimation for large-scale single-cell perturbation screens using reduced control function. bioRxiv 2026.04.20.719759; doi: https://doi.org/10.64898/2026.04.20.719759 以往推荐如下： 1. 2. 3. 4. 5. 6. 7. 8. 9. 10. 11. 12. 13. 14. 15. 16. 17. 18. 19. 20. 21. 22. 23. 24. 25. 26. 27. 28. 29. 30. 31. 32. 33. 34. 35. 36. 37. CancerSCEM 2.0 ：人类癌症单细胞表达谱数据资源 38. LncPepAtlas ：探索 lncRNA 翻译潜力综合资源 39. SPATCH ：高通量亚细胞空间转录组学平台 40. MirGeneDB 3.0 ： miRNA 家族和序列数据库 41. RegNetwork 2025 ：人类和小鼠基因调控网络整合数据库 42. CircTarget ：多种细胞类型 circRNA 调控综合数据库 43. GreenCells ：植物 lncRNA 单细胞分析资源 44. RM2Target 2.0 ： RNA 修饰的写入者、擦除者和读取者靶基因数据库 45. SDMap ：空间药物扰动图谱数据库 https://blog.sciencenet.cn/blog-571917-1535123.html 上一篇：超越以基因为中心差异表达的基因组规模表达的多模态生物信息学分析 下一篇：CCCdb：人类和小鼠细胞通讯人工整理数据库 ，也是单细胞扰动筛选中的关键设计参数（图 1b ）。
如图 1c 所示，细胞经常同时接收多个扰动。
假设每个细胞最多只接受一次干预。
早期的实现如 Perturb-seq 和相关平台证实了具有单细胞读数的池化 CRISPR 筛选可以系统地在大规模上绘制遗传扰动的下游后果，包括 inspre 、 IBC 和 dotears 在内的几种最新方法依赖于线性模型， c。
b，在高 MOI 筛选中，就会产生虚假的依赖关系，因为这些数据是高维的、稀疏的、基于计数的，
