扰动预测器是否学会基因互作？诊断智能体筛选中的外推能力

研究提出用加性分歧（AD）衡量模型对未测基因组合引入的额外互作效应，在八种预测方法和三个 Perturb-seq 数据集上，专用神经预测器并未稳定优于简单加性基线，且偏离加性基线越大的预测误差越大。AD 在所有评估的组合场景中均保持信息量，而传统基于输出和嵌入向量的置信信号在不同数据集和模型间表现不一致。该信号可进一步指导智能体扰动筛选工作流中的决策。