scDiffusion: 使用扩散模型进行高质量单细胞数据的条件生成
内容提要
该文综述扩散模型在生物信息学中的应用，涵盖单细胞RNA测序数据合成、DNA序列设计、3D细胞形态预测和条件图像生成，重点介绍基于得分与Schrödinger桥的生成建模、条件概率分布学习及多速度扩散框架，并展示其在逆生物医学问题、序列到序列文本生成和零样本条件图像生成中的潜力与优越性能。
延伸解读
从单细胞合成到多领域生物医学应用
文章梳理了扩散模型在生物信息学中的多项应用：SCLD 用于合成大规模单细胞 RNA 测序样本，DISPR 从 2D 显微镜图像预测 3D 细胞形态并作为数据增强工具，Dirichlet 扩散分数模型用于 DNA 序列设计。这些案例表明扩散模型正从图像生成扩展到生物序列与细胞形态等结构化数据，但各方法针对的任务和数据规模不同，读者需注意其适用边界。
条件生成与理论分析并重
文章强调条件概率分布学习是扩散模型应用的关键。基于得分的扩散模型系统比较了不同方法学习条件分布的效果，并给出条件得分最成功估计器的理论依据；Schrödinger bridge 方法则用于缩短生成时间并扩展到条件模拟。这说明该领域不仅追求生成质量，也在尝试为条件生成提供可解释的理论支撑，相关开源库 MSDiff 可供进一步研究。
零样本条件图像生成的实用进展
Steered Diffusion 利用预训练逆模型设计的损失，在推理时引导扩散模型实现零样本条件图像生成，在修补、着色、文本引导语义编辑和图像超分辨率等任务上相比即插即用模型有定性和定量改进，且额外计算成本可忽略。这提示扩散模型的条件控制能力可在不重新训练的情况下复用，但文章未说明其在生物医学图像上的直接验证。
Q&A
SCLD 是什么？它有什么主要功能？
SCLD 全称 Single-Cell Latent Diffusion，是一种基于扩散模型的方法，能在统一框架内合成大规模、高质量的单细胞 RNA 测序样本，包括整体和特定细胞亚群。实验显示其在细胞分类和数据分布距离方面达到最先进性能，并具备合成特定细胞亚群的能力。
扩散模型在单细胞 RNA 测序数据合成方面有哪些具体应用？
文章提到 SCLD 可合成大规模高质量的单细胞 RNA 测序样本（整体和特定亚群）；此外，DISPR 模型通过 2D 显微镜图像条件预测 3D 细胞形态，并作为数据增强工具用于单细胞分类任务。
DISPR 模型如何解决 3D 细胞形态预测问题？
DISPR 采用基于扩散的模型求解逆问题：通过对 2D 显微镜图像进行条件预测，重构具有真实形态特征的 3D 物体。该模型还可作为数据增强工具用于单细胞分类，并取得较好效果。
基于 Schrödinger bridge 的生成建模方法有什么优势？
该方法能缩短生成时间，并可扩展到条件模拟中，应用于图像超分辨率、状态空间模型的最优滤波和预训练网络的优化等多种场景。
Steered Diffusion 框架能实现哪些零样本条件图像生成任务？
Steered Diffusion 是一个通用框架，利用预训练逆模型设计的损失和扩散模型的生成控制能力，在推理时引导图像生成。实验表明其在修补、着色、文本引导的语义编辑和图像超分辨率等任务上，相比最先进的即插即用扩散模型有定性和定量改进，且额外计算成本可忽略。
DiffuSeq 在序列到序列文本生成任务中表现如何？
DiffuSeq 是一种用于序列到序列文本生成的扩散模型，其性能与预训练语言模型等六种基线相比甚至更好，且具有高多样性。文章还通过理论分析揭示了 DiffuSeq 与自回归/非自回归模型之间的联系，展示了扩散模型在复杂条件语言生成任务中的潜力。
