В статье представлен метод PerturbBridge, основанный на условном латентном мосте Шрёдингера (Schrödinger Bridge), предназначенный для предсказания транскрипционных ответов клеток на неизученные возмущения. Поскольку измерения РНК-секвенирования являются деструктивными, контрольные и возмущенные клетки наблюдаются как неспаренные популяции, что требует перехода от индивидуального прогнозирования к моделированию распределений популяций. Метод использует вариационный автоэнкодер (beta-TCVAE) для создания компактного латентного пространства, что позволяет эффективно аппроксимировать стохастический транспорт в условиях высокой размерности и разреженности данных. Введение регуляризатора согласованности интерполяции и регуляризации MMD конечных точек обеспечивает точное выравнивание сгенерированных распределений с наблюдаемыми целевыми. Эксперименты на бенчмарках Norman CRISPR и Sci-Plex3 показали конкурентоспособные результаты, а также достижение состояния искусства (SOTA) в восстановлении дифференциальной экспрессии генов. Данный подход демонстрирует высокую эффективность латентного стохастического транспорта для анализа одноклеточных данных, что критически важно для персонализированной медицины и разработки новых терапий.