Исследование представляет новый фреймворк декомпозиции транскрипционного отклика, направленный на решение проблемы плохой обобщающей способности современных моделей глубокого обучения при прогнозировании реакций одиночных клеток на генетические возмущения. Авторы предложили разделять ответы на четыре компонента: глобальный, специфичный для возмущения, специфичный для клеточной линии и компонент взаимодействия возмущения с клеточной линией. В ходе тестирования на четырех скринингах CRISPR-interference (Perturb-seq) было установлено, что глобальный компонент является низкоразмерным и отражает программы стресса и пролиферации, тогда как специфические компоненты требуют высокой размерности. Разработанные модели, выравнивающие биологические априорные данные (например, коэссенциальность генов) с геометрией транскрипционных ответов, позволили простым линейным моделям и MLP превзойти современные сложные архитектуры. Это доказывает, что для успешного прогнозирования в новых клеточных контекстах и при неизвестных комбинациях возмущений критически важно соответствие биологической информации компонентам отклика, а не простое увеличение сложности нейросети.