في عالم البيولوجيا، يعد التنبؤ بالاستجابات النسخية (Transcriptional Responses) للتغيرات الحيوية أمراً بالغ الأهمية لفهم الآليات التنظيمية الخلوية وتعجيل عملية اكتشاف الأدوية. إن تسلسل RNA على مستوى الخلية الواحدة (Single-cell RNA Sequencing) يتسم بصعوبة، حيث يتم تدمير كل خلية مقاسة، مما يؤدي إلى حصولنا فقط على مجموعات غير مرتبطة من الخلايا الضابطة والمُعطلة.

ومع ذلك، تواجه الأساليب الحالية تحدياً يتمثل في نمذجة التنبؤ بالاضطرابات (Perturbation Prediction) على مستوى الخلية الواحدة، حيث تفترض وجود تطابق بين الخلايا، وهو ما يتعارض مع طبيعة البيانات الملاحظة غير المرتبطة. لمواجهة هذه المشكلة، تم تقديم PopPert، وهو إطار عمل يقوم بتمثيل صريح لتوزيعات التعبير الجيني على مستوى السكان لتسهيل نمذجة الحالة النسخية الجماعية.

يعمل PopPert من خلال التنبؤ بالتغيرات التي تحدث في معلمات التوزيع نتيجة للاضطراب، مُلغيًا الحاجة إلى ارتباط الخلايا، مما يقلل الحساسية للضجيج على مستوى الخلية الواحدة. ولزيادة فعاليته في التقاط أنماط الاقتران الجيني (Gene Co-Expression Patterns)، يعتمد PopPert على Gaussian Copula منخفض الرتبة لنمذجة الاعتمادية الإحصائية بين الجينات وبناء التوزيع المشترك للتعبير الجيني.

تظهر نتائج الدراسات التي تناولت عدة مقاييس على مستوى الخلايا الواحدة، والتي تضمنت اضطرابات وراثية وكيميائية، أن PopPert يحقق أداءً متميزاً في استعادة التعبير التفاضلي (Differential Expression Recovery) وتقدير تأثير الاضطراب (Perturbation Effect Estimation) وتطابق التوزيع على مستوى السكان. هذه النتائج تؤكد على أن تعلم التوزيع المشترك على مستوى السكان يمثل نموذجاً فعالاً لتوقع الاستجابات النسخية من مجموعات غير مرتبطة من الخلايا.

للمزيد من المعلومات، يمكن زيارة مستودع GitHub الخاص بـ PopPert للحصول على الكود المستخدم.