MUSS 是一种面向单细胞基因调控的多尺度序列模型，能够同时保留 DNA 级别的序列信息和细胞级别的调控状态。模型使用冻结的预训练序列编码器（如基于 Transformer 的语言模型）从基因组序列中提取峰（peak）和基因的向量表示。随后通过 peak‑peak 自注意力 捕获跨峰的协同作用，并引入 距离偏置的 peak‑gene 交互 来建模峰与基因之间的空间关系。\n\n在预训练阶段，MUSS 采用 peak masked language modeling，即随机遮蔽峰对应的序列片段并预测其原始碱基，以学习通用的 DNA 语法。随后在配对的 scATAC‑seq 与 scRNA‑seq 数据上进行微调，使得得到的表示能够对特定细胞的染色质可及性和基因表达进行对齐。\n\nMUSS 在多个下游任务上表现优异：\n- 基因表达预测：利用峰的表示直接预测对应细胞的基因表达水平。\n- 增强子‑基因链接：通过距离加权的交互得分识别功能性增强子。\n- 基序驱动的调控优先级排序：结合已知转录因子基序，评估调控元件的重要性。\n- 零样本细胞聚类：在未见细胞类型上仍能形成有意义的聚类结构。\n\n此外，MUSS 能够对训练期间未出现的基因或峰进行表达预测，展示了其强大的泛化能力。代码、数据集和模型检查点已在 GitHub 开源。\n\n点评：MUSS 通过将序列级别的语言模型与单细胞多模态数据相结合，实现了细胞特异性调控程序的高精度解码，为后续的基因调控研究提供了可扩展的框架。