Fugu-MT 論文翻訳(概要): Fast and scalable Wasserstein-1 neural optimal transport solver for single-cell perturbation prediction

論文の概要: Fast and scalable Wasserstein-1 neural optimal transport solver for single-cell perturbation prediction

arxiv url: http://arxiv.org/abs/2411.00614v1
Date: Fri, 01 Nov 2024 14:23:19 GMT
ステータス: 翻訳完了
システム内更新日: 2024-11-05 21:27:43.482059
Title: Fast and scalable Wasserstein-1 neural optimal transport solver for single-cell perturbation prediction
Title（参考訳）: 単一セル摂動予測のための高速かつスケーラブルなWasserstein-1ニューラルトランスポートソルバ
Authors: Yanshuo Chen, Zhengmian Hu, Wei Chen, Heng Huang,
Abstract要約: 最適輸送理論はそのような写像を構築するための原則化された枠組みを提供する。本稿では,Wasserstein-1に基づく新しい最適輸送解法を提案する。実験により,提案した解法は,2次元データセット上に一意かつ単調な写像を求める際に,$W$ OTソルバを模倣できることを示した。
参考スコア（独自算出の注目度）: 55.89763969583124
License:
Abstract: Predicting single-cell perturbation responses requires mapping between two unpaired single-cell data distributions. Optimal transport (OT) theory provides a principled framework for constructing such mappings by minimizing transport cost. Recently, Wasserstein-2 ($W_2$) neural optimal transport solvers (\textit{e.g.}, CellOT) have been employed for this prediction task. However, $W_2$ OT relies on the general Kantorovich dual formulation, which involves optimizing over two conjugate functions, leading to a complex min-max optimization problem that converges slowly. To address these challenges, we propose a novel solver based on the Wasserstein-1 ($W_1$) dual formulation. Unlike $W_2$, the $W_1$ dual simplifies the optimization to a maximization problem over a single 1-Lipschitz function, thus eliminating the need for time-consuming min-max optimization. While solving the $W_1$ dual only reveals the transport direction and does not directly provide a unique optimal transport map, we incorporate an additional step using adversarial training to determine an appropriate transport step size, effectively recovering the transport map. Our experiments demonstrate that the proposed $W_1$ neural optimal transport solver can mimic the $W_2$ OT solvers in finding a unique and ``monotonic" map on 2D datasets. Moreover, the $W_1$ OT solver achieves performance on par with or surpasses $W_2$ OT solvers on real single-cell perturbation datasets. Furthermore, we show that $W_1$ OT solver achieves $25 \sim 45\times$ speedup, scales better on high dimensional transportation task, and can be directly applied on single-cell RNA-seq dataset with highly variable genes. Our implementation and experiments are open-sourced at \url{https://github.com/poseidonchan/w1ot}.
Abstract（参考訳）: 単一セルの摂動応答を予測するには、2つの未ペアの単一セルデータ分布間のマッピングが必要である。最適輸送(OT)理論は、輸送コストを最小化し、そのようなマッピングを構築するための原則的な枠組みを提供する。近年,この予測にはワッサースタイン-2 (W_2$) のニューラル最適輸送解法 (\textit{e g }, CellOT) が用いられている。しかし、$W_2$ OT は一般的なカントロビッチ双対の定式化に依存しており、2つの共役函数を最適化し、よりゆっくりと収束する複雑な min-max 最適化問題をもたらす。これらの課題に対処するために、ワッサーシュタイン-1(W_1$)双対定式化に基づく新しい解法を提案する。 W_2$とは異なり、$W_1$の双対は1つの1-Lipschitz関数上での最大化問題への最適化を単純化する。 W_1$双対の解法は、輸送方向のみを明らかにし、直接に最適な輸送マップを提供しないが、敵の訓練を用いて適切な輸送ステップサイズを判定し、輸送マップを効果的に回収する追加ステップを組み込む。我々の実験は,提案した$W_2$ OTソルバが,2次元データセット上の「モノトニック」マップを見つける際に,$W_2$ OTソルバを模倣できることを実証した。さらに、$W_1$ OTソルバは、実際のシングルセル摂動データセット上でのW_2$ OTソルバと同等以上のパフォーマンスを達成する。さらに、W_1$ OTソルバは、25ドルのsim 45\times$ Speedupを実現し、高次元の輸送作業においてより優れたスケールを実現し、高度に可変な遺伝子を持つシングルセルRNA-seqデータセットに直接適用可能であることを示す。我々の実装と実験は、 \url{https://github.com/poseidonchan/w1ot} でオープンソース化されています。

論文の概要: Fast and scalable Wasserstein-1 neural optimal transport solver for single-cell perturbation prediction

関連論文リスト