Zespół badawczy wykazał, że prognozowanie wielkości efektów perturbacji CRISPRi na nowych genach docelowych wcale nie wymaga zaawansowanych sieci neuronowych - wystarczą cztery determinentyczne funkcje skalarne obliczone z wejściowych danych. W benchmarku Virtual Cell Challenge (VCC) z rygorystycznym podziałem na testy i genów docelowych, głębokie kodery MLP miały tendencję do upadania w kierunku średniej treningowej pomimo dostępu do pełnych wejść, a standardowe remedium nie zmniejszyło tej luki.
Magiczny punkt zwrotny pojawił się, gdy badacze zamiast przewidywać pełne wyrażenie genów skupili się na wielkości odpowiedzi - mierzonej jako logarytmiczna odległość Anderson-Darlinga od kontroli niecellujących. Liniowa regresja działająca wyłącznie na czterech skalarnych miarach wielkości pokonała najsilniejsze klasyczne modele pracujące na pełnych danych, a losowy las zasilany tymi miarami wraz z oryginalnym wejściem daleko przewyższył ich eksperymentalny enkoder. Dwie wstępnie zdefiniowane kontrole pokazały, że wzrost wydajności pochodzi z wyrównania wierszowego, a nie dodanej wymiarowości.
Najważniejsze - magnitude-only predyktory transferowały się pozytywnie do dwóch zewnętrznych ekranów CRISPRi testowanych na punktach końcowych przebudowanych ze zmierzenia na poziomie komórek pojedynczych, podczas gdy predyktory oparte na wyrażeniu były negatywne lub nierozstrzygnięte. To sugeruje, że wielkość odpowiedzi jest fundamentalnym, transferowalnym sygnałem w perturbacyjnej biologii komórek pojedynczych, potencjalnie wymagającym całkowicie zmienionego podejścia do budowy predyktywnych modeli systemów biologicznych.