AI × 癌症博士｜用机器学习寻找胰腺癌中的基因相互作用，再用实验验证

AI × 癌症博士｜用机器学习寻找胰腺癌中的基因相互作用，再用实验验证

快速判断

计算研究特色鲜明，申请前应核实数据验证设计。 博士生将开发模型预测基因对之间的遗传互作，并用合作方生成的胰腺癌数据检验结果。项目列出的技术包括图神经网络、自编码器和联合基因嵌入；评估内容包括全基因组扩展、稀疏数据、批次效应、跨癌种迁移和假发现控制。学生负责计算研究，湿实验由合作方开展。项目把模型开发与实验支持的癌症研究相连，并可使用埃克塞特的高性能计算资源及产业合作功能基因组学中心。官方项目介绍

申请前应书面核实截止日期：项目记录列 2026 年 12 月 8 日，官方 2027 年奖学金页列 2027 年 1 月 5 日，项目 PDF 未另列日期。在埃克塞特确认前，建议按较早日期准备。国际学费方面，FGx-DLA 当前全国项目页面明确写明，埃克塞特的国际学生无需自行补缴 UKRI 资助与国际学费之间的差额。仍应核对 2027/28 项目实际学费，以及最终录取/资助文件是否按现行政策执行。奖学金页面 · FGx-DLA 全国项目页面 · 研究生研究学费表

研究问题与博士工作

尚待解决的问题及其意义

癌细胞可能依赖特定基因维持生存。单基因筛选一次只能识别一个基因的依赖关系，可能漏掉只有同时扰动两个基因才会显现的脆弱性。这类非加性的遗传互作包括“合成致死”：两个基因同时受扰时可能显著损害细胞存活，而单独扰动任何一个基因的影响都较小。若要在全基因组范围内测试各种基因组合，搜索空间会迅速膨胀；因此，计算模型只有在能推广到新基因和不同疾病背景时，才可能有效缩小实验范围。

项目拟使用 Perturb-seq，即将 CRISPR 基因扰动与单细胞 RNA 测序结合。它不只是把每种扰动归结为一个生长分数，而是记录单个细胞的全转录组特征。2019 年的一项概念验证研究对选定的基因互作采集了丰富的单细胞表型，并使用推荐系统模型整理和预测互作。此后出现了规模更大的单基因扰动图谱，包括白血病细胞系数据集和诱导多能干细胞（iPSC）资源。这些数据使项目具备现实基础，但并未解决核心建模问题：单基因图谱并不是完整的基因对互作真值集。Norman 等，《Science》 · Replogle 等，《Cell》 · Feng 等，《Cell Genomics》

工作内容、方法与预期产出

项目介绍的博士工作分为两个相互衔接的阶段：

1. 开发并比较预测模型。 从公开 Perturb-seq 数据入手，包括白血病细胞系和诱导多能干细胞数据。比较图神经网络、自编码器及其他从扰动谱中学习联合基因嵌入表示的架构，评估模型向全基因组预测扩展的能力、处理稀疏测量和批次效应的表现，以及跨癌种迁移能力。
2. 利用新的胰腺癌测量数据进行迭代建模。 AstraZeneca 与 Cancer Research Horizons 的 Functional Genomics Centre 将在胰腺癌模型中生成 Perturb-seq 数据和遗传互作筛选结果，再用这些测量数据在胰腺癌背景下微调并验证计算预测。预期产出包括开放源码预测框架、在胰腺癌细胞系中经实验验证的高置信度基因互作、跨背景迁移分析，以及控制偏差与假发现的可复现流程。这些是预期方向，不是保证实现的结果。官方项目介绍

工作分工较明确：博士生主要开展计算研究。Functional Genomics Centre 的研究人员负责实验和湿实验数据，埃克塞特大学提供高性能计算资源。因此，申请者应希望主要开发模型、分析数据，同时能与实验合作者密切协作。项目介绍没有说明预计进行几轮模型开发、每轮如何选择待筛选基因对，或胰腺癌筛选包含多少基因对和重复样本。

一个关键设计问题是模型训练所需的基因对互作标签从何而来。当前提及的全基因组 Perturb-seq 资源主要测量单基因扰动，而模型需要基因对效应。Norman 等人的工作提供了较早的成对 Perturb-seq 概念验证；更新的双导 RNA 或多重 CRISPR 系统则可能扩展成对筛选规模，但本项目尚未说明具体使用何种训练标签、遗传互作评分定义或留出测试集。Norman 等 · 双导 RNA 筛选研究 · in4mer 多重筛选平台

学校、学科与培养

官方项目文件将所属院系列为 数学与统计学系（Department of Mathematics and Statistics），并将埃克塞特大学列为主要培养机构。部分摘要信息同时将机会与临床及生物医学科学相关联，因此申请者应确认正式行政归属和注册路径。院系研究主题包括健康与生命科学数学、统计学与数据科学，也与跨学科研究机构和博士培养活动相连。该项目属于英国医学研究理事会（MRC）功能基因组学博士培养联盟奖项（Functional Genomics Doctoral Landscape Award）；该项目网络覆盖英国六所院校，提供共享培训、学术交流和跨校合作。项目明确列出的主要培养机构是埃克塞特大学，未说明联合或双学位。项目介绍 · 数学与统计学研究主题 · MRC 培养项目

埃克塞特大学公布的 2027 年 QS 世界大学排名为 第 136 位，泰晤士高等教育世界大学排名为 第 157 位。这些是全校排名，不能直接代表本项目的学科水平。更贴近相关领域的院校证据来自 REF 2021：生物科学提交成果中 41% 获评世界领先（4 星）、49% 获评国际优秀（3 星）；数学科学相应为 42% 和 52%；计算机科学与信息学为 33% 和 50%。院系另称，其数学科学研究影响力在 2021 年评估中有 100% 获评国际优秀。REF 评估的是院校提交的研究成果，不代表某位导师课题组的单独水平，也不能说明本项目日常培养体验。埃克塞特大学排名 · 埃克塞特 REF 2021 结果

英国劳动力市场对兼具计算与生物学能力的人才总体提供了积极信号，但这不等于某个岗位或就业结果的承诺。Skills England 的 2026 年生命科学评估预测，2025–2035 年优先职业将新增约 66,000 个岗位；计入替代需求后，总需求约 118,000 人。报告同时提醒，人工智能相关预测存在不确定性。基因组学、统计建模、可复现软件和模型评估等技能可迁移至计算生物学、生物信息学、功能基因组数据科学或生物医药研发。上述行业预测覆盖全国，并非本项目毕业生就业数据，也不构成就业保证。Skills England 生命科学劳动力评估

导师与研究条件

导师研究方向

项目列出的主要导师是 Magdalena Strauss 博士，任职于数学与统计学领域。校方资料介绍，她的研究位于数学、数据科学与生物医学交叉处，包括对细胞在压力、疾病和药物作用下异质性响应的统计建模，以及这些响应如何受突变影响。这与项目需要区分真实生物学响应和细胞状态、导 RNA 效率、供体或批次造成的变异相呼应。Magdalena Strauss 博士简介 · 学术人员目录

近期代表性论文

• Feng 等（2026），《跨人类多能干细胞系的全基因组单细胞 CRISPRi 跨基因调控图谱》。 研究构建了覆盖多个遗传背景的大型 CRISPRi 单细胞图谱，并测量导 RNA 身份、敲低效率、供体和细胞系对观测响应的影响。该研究与项目拟用的 iPSC 数据直接相关，也说明跨背景模型需要谨慎校正。它仍是单基因图谱，不是成对遗传互作的真值集；作者指出，要可靠归因还需要更多供体。全文
• Strauss 等（2025），《单细胞与组织尺度分析工具解析 Mixl1 在心脏发育中的作用》。 作者提出用于复杂细胞群单细胞扰动分析的 COSICC 统计工具，并通过基因敲除嵌合体研究发育谱系。这展示了主要导师在异质性扰动响应统计分析方面的工作，但研究对象是发育过程中的敲除效应，不是癌症基因对互作或本项目计划采用的深度学习模型。PubMed
• Cooper、Coelho、Strauss 等（2024），《scSNV-seq：通过单细胞基因分型与转录组联合测量，对单核苷酸变异进行高通量表型分析》。 这项研究将细胞实际编辑后的基因型与其转录组表型相连，回应了不能把检测到导 RNA 等同于预期编辑确已发生的质量风险。它与基因型判定和单细胞数据质量有关，但研究的是单核苷酸变异，不是基因对互作。Genome Biology
• Coelho、Strauss 等（2024），《碱基编辑筛选绘制癌症药物耐药机制的遗传图谱》。 研究通过功能筛选和转录组分析，识别与药物反应表型相关的癌症突变。这体现了合作研究网络近期的癌症功能基因组学经验，但其分析对象是“变异—药物反应”，而不是成对基因敲除。Nature Genetics

这些论文显示团队在扰动统计分析、单细胞方法和癌症功能基因组学方面有研究积累，但不能证明该团队已经解决本项目提出的大规模成对互作预测问题。该博士项目的核心方法贡献仍是一项开放的研究任务。

实验资源与合作环境

官方项目文件列出 Functional Genomics Centre 的 Kalinka 博士、Ross-Thriepland 博士和 Walter 博士为项目贡献者，专长包括基因组编辑、基因组学、癌症生物学和生物信息学。该中心由 AstraZeneca 与 Cancer Research Horizons 合作建立，具备 CRISPR 和单细胞筛选能力。埃克塞特大学将为模型训练提供高性能计算资源。项目还会让博士生接触数据质量标准、模型评估和靶点优先级排序。具体共同导师人选、导师职责如何分工，以及是否安排访问或驻留尚未说明。项目介绍 · Functional Genomics Centre

资助、申请与生活成本

MRC FGx-DLA 项目页面为 2027 年 9 月入学 宣布在六所院校提供最多 18 个博士资助名额，申请于 2026 年 10 月 26 日 开放。目前官方奖学金页面列出的截止日期是 2027 年 1 月 5 日（星期二），项目记录则写 2026 年 12 月 8 日；项目 PDF 没有单独日期。应向主要导师和埃克塞特研究生招生部门确认适用日期，并在取得书面回复前按 12 月 8 日准备。申请问卷允许填写最多三个项目志愿，但每人只能提交一份申请。官方奖学金页面 · MRC 项目页

奖学金页面说明资助期为 四年，也可选择非全日制学习。资助列明覆盖英国学费、按英国研究理事会标准执行的 2026/27 年最低津贴 £21,805/年（每年更新），以及每年最高 £5,000 的研究培训与支持经费。额外经费属于研究/项目支持，不是个人生活津贴。埃克塞特 2026/27 年研究生研究学费表列出英国学生学费 £5,238，国际理科研究学费为 £23,800–£29,900，具体取决于研究主题。FGx-DLA 当前全国项目页面明确说明，埃克塞特的国际学生无需自行补足 UKRI 资助与国际学费之间的差额。因此，公开费率之间的差值只是学费标准的比较，不应写成当前政策下学生预计要承担的账单。请核对 2027/28 项目实际学费及最终录取/资助文件中的适用条款，因为年度费率和资助条件可能调整。UKRI 津贴与学费标准 · 埃克塞特研究生研究学费 · FGx-DLA 全国项目页面

埃克塞特估算，单人在埃克塞特或康沃尔的每月生活成本约为 £1,300–£2,000，依据是 2026 年 4 月当地开销。当前最低津贴平均到每月约 £1,817。简单相减后，低成本端每月约余 £517；高成本端则每月约缺 £183。实际住房与生活方式会影响支出；该对比还未计入家庭支出、签证和搬迁、旅行、押金、突发情况及未来通胀。埃克塞特生活成本估算

公开的入学门槛为相关专业至少 2:1 荣誉学位或国际同等学历，可接受的领域包括遗传学、分子生物学、生物医学科学、人类生物学、生物化学、医学/医疗保健、生物信息学、计算机科学和统计学。常见英语要求为 IELTS 总分 7.0、各单项不低于 6.5，或同等成绩；须在申请截止日前提供证明。申请系统要求上传成绩单、不超过两页的简历、两封推荐信，并填写 FGx-DLA 申请问卷。可选择最多三个项目志愿，但每人只能提交一份申请。如果最初无法上传推荐信，应填写推荐人信息，并确认之后提交推荐信的截止日期；推荐人不得来自拟申请的导师团队。申请材料须使用英文；必要时，学历文件应提供经认证的翻译件。奖学金入学要求

申请者匹配度与准备

必需背景与技能

正式学历要求是相关领域 2:1 学位或同等学历；培养项目明确欢迎定量/计算以及生物医学/遗传学背景。项目适合希望主要使用代码、模型和实验数据开展研究的申请者。官方项目说明提及图神经网络、自编码器、单细胞与 CRISPR 基因组学、高性能计算、批次效应处理、跨癌种迁移以及偏差和假发现率控制，但没有指定必须掌握的编程语言，也没有要求申请者必须有湿实验经历；博士生本人承担的是计算工作。

有利经历与准备建议

项目没有正式公布优先经历要求。申请者可准备一项可复现的 Python 或 R 分析，展示如何把模型与简单基线进行比较，并举例说明处理高维或噪声数据的经验。计算机或统计背景的申请者可补充癌症遗传学与 CRISPR 筛选基础知识；生物学背景的申请者则可通过代码、数据分析或统计建模展示定量准备。还可准备解释如何区分真正的基因互作与两个独立的单基因效应、如何避免基因或背景信息在训练集与测试集间泄漏，以及如何控制假发现。这些是准备建议，不是额外资格条件。

下一步与待确认问题

申请前

1. 书面询问 Strauss 博士和埃克塞特研究生招生部门：项目截止日期究竟是 2026 年 12 月 8 日还是 2027 年 1 月 5 日。项目 PDF 列出 Strauss 博士邮箱 m.strauss@exeter.ac.uk；官方奖学金页面为申请流程问题提供邮箱 pgrapplicants@exeter.ac.uk。
2. 询问该项目 2027/28 学年的准确研究学费，并确认最终资助/录取文件会按 FGx-DLA 当前政策执行：埃克塞特的国际学生无需另行补足 UKRI 资助与国际学费的差额。
3. 询问初始训练和评估用的成对互作标签或评分来自哪些数据；目前列出的大型 Perturb-seq 资源大多是单基因图谱。
4. 确认正式注册院系、行政归属和埃克塞特校区。项目 PDF 列出数学与统计学系，部分摘要信息则关联临床与生物医学科学。
5. 确认共同导师身份，以及合作中心科学家将如何参与指导。

面试时

• 计划使用哪些胰腺癌模型和基因对筛选设计？筛选的基因对数量、重复深度和单细胞读出是什么？
• 如何定义遗传互作，并将其与单基因效应区分？
• 是否会开展按基因留出和按癌症背景留出的测试？预期使用哪些简单基线、阴性对照、批次校正、模型校准和假发现率阈值？
• 预计进行多少轮“模型预测—实验验证”迭代？由谁决定下一轮实验验证哪些基因对？
• 培养项目会教授哪些编程和单细胞分析方法？可获得哪些计算支持？

接受录取前

• 在书面录取/资助文件中确认年度津贴、准确学费金额、当前埃克塞特国际学费政策的适用、资助期限和每年调整规则。
• 确认注册机构、是否需要到合作方访问或驻留，以及差旅是否有资助。
• 核实最终入学日期，以及项目将按四年全日制进行还是采用双方同意的非全日制安排。

证据与来源

项目、培养与研究环境

• 官方项目介绍
• MRC FGx-DLA 奖学金与入学要求
• FGx-DLA 全国项目页面与国际学费政策
• MRC 项目页面与职位列表
• 数学与统计学研究主题
• 学术人员目录
• 埃克塞特研究软件与分析团队
• 埃克塞特大学排名
• 埃克塞特 REF 2021 结果

导师、论文与实验背景

• Magdalena Strauss 博士简介
• Functional Genomics Centre
• Feng 等：iPSC 全基因组 CRISPRi 图谱
• Strauss 等：COSICC 单细胞扰动分析
• Cooper 等：scSNV-seq
• Coelho 等：癌症药物耐药筛选
• 胰腺癌统计资料

方法与领域前景

• Norman 等：Perturb-seq 遗传互作图谱
• Replogle 等：全基因组 Perturb-seq
• 合成致死模型基准测试
• Systema 扰动预测评估框架
• 深度学习模型与简单扰动基线比较
• 大规模双导 RNA 遗传互作筛选
• in4mer 多重遗传互作筛选平台

资助、费用与劳动力市场

• UKRI 津贴与学费标准
• 埃克塞特研究生研究学费
• 埃克塞特生活成本估算
• Skills England 生命科学劳动力评估