論文の概要: DiscoBAX: Discovery of Optimal Intervention Sets in Genomic Experiment Design

• arxiv url: http://arxiv.org/abs/2312.04064v1
• Date: Thu, 7 Dec 2023 06:05:39 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-08 16:06:09.125145
• Title: DiscoBAX: Discovery of Optimal Intervention Sets in Genomic Experiment Design
• Title（参考訳）: DiscoBAX: ゲノム実験設計における最適介入セットの発見
• Authors: Clare Lyle, Arash Mehrjou, Pascal Notin, Andrew Jesson, Stefan Bauer, Yarin Gal, Patrick Schwab
• Abstract要約: 本研究では,実験1回あたりの有意な発見率を最大化するためのサンプル効率向上手法としてDiscoBAXを提案する。 我々は、標準仮定の下で近似最適性の理論的保証を提供し、包括的な実験評価を行う。
• 参考スコア（独自算出の注目度）: 61.48963555382729
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The discovery of therapeutics to treat genetically-driven pathologies relies on identifying genes involved in the underlying disease mechanisms. Existing approaches search over the billions of potential interventions to maximize the expected influence on the target phenotype. However, to reduce the risk of failure in future stages of trials, practical experiment design aims to find a set of interventions that maximally change a target phenotype via diverse mechanisms. We propose DiscoBAX, a sample-efficient method for maximizing the rate of significant discoveries per experiment while simultaneously probing for a wide range of diverse mechanisms during a genomic experiment campaign. We provide theoretical guarantees of approximate optimality under standard assumptions, and conduct a comprehensive experimental evaluation covering both synthetic as well as real-world experimental design tasks. DiscoBAX outperforms existing state-of-the-art methods for experimental design, selecting effective and diverse perturbations in biological systems.
• Abstract（参考訳）: 遺伝性疾患を治療するための治療法の発見は、基礎疾患のメカニズムに関与する遺伝子を同定することに依存している。 既存のアプローチは、ターゲットの表現型に期待される影響を最大化するために、何十億もの潜在的な介入を探索する。 しかし,今後の試験段階における失敗のリスクを軽減するために,様々なメカニズムを通じて標的表現型を最大限に変化させる一連の介入を見つけることを目的としている。 本研究は, ゲノム実験において, 多様な機構を同時に探究しながら, 有意な発見率を最大化するためのサンプル効率の高い方法であるdiscobaxを提案する。 標準仮定の下での近似最適性の理論的保証を提供し、合成と実世界の実験設計タスクの両方をカバーする包括的実験評価を行う。 DiscoBAXは、生物学的システムにおける効果的で多様な摂動を選択し、実験設計の最先端の手法より優れている。

関連論文リスト

• Causal Representation Learning from Multimodal Biological Observations [57.00712157758845]
  我々は,マルチモーダルデータに対するフレキシブルな識別条件の開発を目指している。 我々は、各潜伏成分の識別可能性を保証するとともに、サブスペース識別結果を事前の作業から拡張する。 我々の重要な理論的要素は、異なるモーダル間の因果関係の構造的空間性である。
  論文  参考訳（メタデータ） (2024-11-10T16:40:27Z)
• Targeted Sequential Indirect Experiment Design [4.262342157729123]
  仮説は、複雑な、不完全な理解、または完全に未知のメカニズムの特定の側面を懸念する。 実験は目的とする変数を直接的に行うことはできないが、間接的である。 提案手法は,目的とする質問に対して,真理のメカニズムを最適に通知する間接的な実験を設計するための適応的戦略を開発する。
  論文  参考訳（メタデータ） (2024-05-30T12:14:25Z)
• BioDiscoveryAgent: An AI Agent for Designing Genetic Perturbation Experiments [112.25067497985447]
  そこで,BioDiscoveryAgentを紹介した。このエージェントは,新しい実験を設計し,その結果の理由を明らかにし,仮説空間を効率的にナビゲートし,望ましい解に到達させる。 BioDiscoveryAgentは、機械学習モデルをトレーニングすることなく、新しい実験を独自に設計することができる。 6つのデータセットで関連する遺伝的摂動を予測することで、平均21%の改善が達成されている。
  論文  参考訳（メタデータ） (2024-05-27T19:57:17Z)
• Seeing Unseen: Discover Novel Biomedical Concepts via Geometry-Constrained Probabilistic Modeling [53.7117640028211]
  同定された問題を解決するために,幾何制約付き確率的モデリング処理を提案する。 構成された埋め込み空間のレイアウトに適切な制約を課すために、重要な幾何学的性質のスイートを組み込む。 スペクトルグラフ理論法は、潜在的な新規クラスの数を推定するために考案された。
  論文  参考訳（メタデータ） (2024-03-02T00:56:05Z)
• Optimizing Adaptive Experiments: A Unified Approach to Regret Minimization and Best-Arm Identification [9.030753181146176]
  実験内性能と実験後の成果を同時に考慮した統一モデルを提案する。 実験期間の大幅な短縮は、実験内および実験後の後悔の両方に最小限の影響を伴って達成できることが示されている。
  論文  参考訳（メタデータ） (2024-02-16T11:27:48Z)
• Machine learning enabled experimental design and parameter estimation for ultrafast spin dynamics [54.172707311728885]
  機械学習とベイズ最適実験設計(BOED)を組み合わせた方法論を提案する。 本手法は,大規模スピンダイナミクスシミュレーションのためのニューラルネットワークモデルを用いて,BOEDの正確な分布と実用計算を行う。 数値ベンチマークでは,XPFS実験の誘導,モデルパラメータの予測,実験時間内でのより情報的な測定を行う上で,本手法の優れた性能を示す。
  論文  参考訳（メタデータ） (2023-06-03T06:19:20Z)
• Online simulator-based experimental design for cognitive model selection [74.76661199843284]
  本稿では,抽出可能な確率を伴わない計算モデルを選択する実験設計手法BOSMOSを提案する。 シミュレーション実験では,提案手法により,既存のLFI手法に比べて最大2桁の精度でモデルを選択することができることを示した。
  論文  参考訳（メタデータ） (2023-03-03T21:41:01Z)
• Targeted active learning for probabilistic models [8.615625517708324]
  科学における基本的な課題は、研究中のシステムに関する貴重な洞察を得る実験を設計することである。 PDBALは,科学的有用性を最大化するために実験を適応的に設計する能動学習手法である。
  論文  参考訳（メタデータ） (2022-10-21T17:22:03Z)
• GeneDisco: A Benchmark for Experimental Design in Drug Discovery [41.6425999218259]
  遺伝子操作によるin vitro細胞実験は、早期の薬物発見における重要なステップである。 GeneDiscoは、薬物発見の実験的な設計のためのアクティブな学習アルゴリズムを評価するためのベンチマークスイートである。
  論文  参考訳（メタデータ） (2021-10-22T16:01:39Z)
• Policy design in experiments with unknown interference [0.0]
  流出効果を考慮した政策の推定と推定について検討した。 単位は有限個の大きなクラスタにまとめられる。 本研究では,大規模フィールド実験における理論的保証と実装について述べる。
  論文  参考訳（メタデータ） (2020-11-16T18:58:54Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。