RobustCell: a model attack-defense framework for robust transcriptomic data analysis

Tianyu Liu

doi:10.1038/s41540-026-00799-9

RobustCell: a model attack-defense framework for robust transcriptomic data analysis

2026-08-15

0

OA

AI

DOI：10.1038/s41540-026-00799-9

原文链接

摘要

En 中文

计算方法在生物学和医学任务中应具备准确性和鲁棒性，尤其是在面对不同类型的攻击时，这些攻击被定义为对良性数据的扰动，可能导致方法性能显著下降。因此，需要能够抵御攻击的鲁棒模型。在本研究中，我们提出了一种名为RobustCell的新型框架，用于分析单细胞和空间转录组数据分析中的攻击与防御方法。在此生物背景下，我们在框架中考虑了三种类型的攻击以及两种类型的防御，并系统地评估了现有方法在单细胞和空间转录组数据的聚类及注释任务中的性能。我们的评估表明，成功的攻击可以损害各种方法（包括单细胞基础模型）的性能。良好的防御策略可以保护模型免受性能下降。最后，我们通过运行单基因和组基因攻击方法，分析了特定基因对细胞类型注释任务的贡献。总体而言，RobustCell是一个用户友好且扩展灵活的框架，用于分析不同攻击下转录组数据分析的风险与安全性。

RobustCell: a model attack-defense framework for robust transcriptomic data analysis

摘要

期刊

机构

引用论文