现有的扰动分析方法通常针对单一任务且流程分散，难以适应大规模、多条件及多模态的数据需求。德国慕尼黑亥姆霍兹中心与慕尼黑工业大学等机构提出了一个基于Python的模块化框架——Pertpy。该框架专为大规模单细胞扰动实验设计，提供了覆盖数据组织、分析与解释的端到端解决方案，有效弥补了现有工具在规模、通用性和生态整合方面的不足。其模块化设计不仅降低了复杂分析的门槛，也为新方法的快速集成提供了基础设施支持。相关研究成果于2025年12月31日发表于《自然·方法》期刊。

Pertpy集成了标准化的数据结构、丰富的扰动数据集与元数据资源，实现了从预处理到生物学解释的全流程分析。其核心模块包括统一数据表示、标准化预处理、扰动空间建模、下游分析模块化及生物知识增强，各模块可自由组合，以适应遗传扰动、药物筛选及疾病状态分析等多种实验场景，构建定制化的分析管线。

在实验中，Pertpy展现出强大的分析能力：在组合基因扰动实验中，能有效区分基因程序，细化或修正生物学注释；在大规模药物扰动数据中，通过整合药物敏感性信息，将基因表达响应分解为细胞存活相关和非相关两类效应，揭示了传统机制难以捕捉的调控路径；在肿瘤治疗相关的单细胞数据分析中，能同时解析细胞类型比例变化和多细胞协同程序，帮助研究人员识别出与治疗响应密切相关的关键免疫细胞亚群及其协同调控特征。

信息来源：

https://www.nature.com/articles/s41592-025-02909-7

https://hub.baai.ac.cn/view/51629

https://mp.weixin.qq.com/s/ccfc1gpVk8lzarcleOHfXg