論文の概要: Tensor Network based Gene Regulatory Network Inference for Single-Cell Transcriptomic Data

• arxiv url: http://arxiv.org/abs/2509.06891v1
• Date: Mon, 08 Sep 2025 17:11:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-09 14:07:04.277749
• Title: Tensor Network based Gene Regulatory Network Inference for Single-Cell Transcriptomic Data
• Title（参考訳）: テンソルネットワークを用いた単一セルトランスクリプトームデータのための遺伝子制御ネットワーク推論
• Authors: Olatz Sanz Larrarte, Borja Aizpurua, Reza Dastbasteh, Ruben M. Otxoa, Josu Etxezarreta Martinez,
• Abstract要約: 本研究では、テンソルネットワーク(TN)を利用して表現データを最適にマッピングする量子インスピレーションフレームワークを提案する。 遺伝子依存を定量化し、置換試験により統計的意義を確立する。 量子物理学にインスパイアされた手法と計算生物学を融合することにより,遺伝子制御に関する新たな知見を提供する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Deciphering complex gene-gene interactions remains challenging in transcriptomics as traditional methods often miss higher-order and nonlinear dependencies. This study introduces a quantum-inspired framework leveraging tensor networks (TNs) to optimally map expression data into a lower dimensional representation preserving biological locality. Using Quantum Mutual Information (QMI), a nonparametric measure natural for tensor networks, we quantify gene dependencies and establish statistical significance via permutation testing. This constructs robust interaction networks where the edges reflect biologically meaningful relationships that are resilient to random chance. The approach effectively distinguishes true regulatory patterns from experimental noise and biological stochasticity. To test the proposed method, we recover a gene regulatory network consisted of six pathway genes from single-cell RNA sequencing data comprising over $28.000$ lymphoblastoid cells. Furthermore, we unveil several triadic regulatory mechanisms. By merging quantum physics inspired techniques with computational biology, our method provides novel insights into gene regulation, with applications in disease mechanisms and precision medicine.
• Abstract（参考訳）: 複雑な遺伝子と遺伝子間の相互作用の解読は、従来の手法が高次および非線型の依存関係を見逃すことがしばしばあるため、転写学において難しいままである。 本研究では、テンソルネットワーク(TN)を利用して、表現データを生物学的局所性を保存する低次元表現に最適にマッピングする量子インスパイアされたフレームワークを提案する。 テンソルネットワークの非パラメトリック測度であるQuantum Mutual Information (QMI)を用いて、遺伝子依存の定量化と置換テストによる統計的意義の確立を行う。 これは、エッジがランダムな確率に耐性を持つ生物学的に意味のある関係を反映する堅牢な相互作用ネットワークを構成する。 この手法は、真の規制パターンを実験的ノイズと生物学的確率性とを効果的に区別する。 提案手法をテストするために, 単細胞RNAシークエンシングデータから6つの経路遺伝子からなる遺伝子制御ネットワークを検索した。 さらに,三進的規制機構もいくつか明らかにした。 量子物理学にインスパイアされた手法と計算生物学を融合することにより,遺伝子制御の新たな知見と疾患のメカニズムと精密医療への応用を提供する。

関連論文リスト

• GRAPE: Heterogeneous Graph Representation Learning for Genetic Perturbation with Coding and Non-Coding Biotype [51.58774936662233]
  遺伝子制御ネットワーク(GRN)の構築は、遺伝的摂動の影響を理解し予測するために不可欠である。 本研究では,事前学習した大規模言語モデルとDNAシークエンスモデルを用いて,遺伝子記述やDNAシークエンスデータから特徴を抽出する。 我々は、遺伝子摂動において初めて遺伝子バイオタイプ情報を導入し、細胞プロセスの制御において異なるバイオタイプを持つ遺伝子の異なる役割をシミュレートした。
  論文  参考訳（メタデータ） (2025-05-06T03:35:24Z)
• GENERator: A Long-Context Generative Genomic Foundation Model [66.46537421135996]
  本稿では,98k塩基対 (bp) と1.2Bパラメータからなるゲノム基盤モデル GENERator を提案する。 DNAの386Bbpからなる拡張データセットに基づいて、GENERatorは、確立されたベンチマークと新しく提案されたベンチマークの両方で最先端のパフォーマンスを実証する。 また、特に特定のアクティビティプロファイルを持つエンハンサーシーケンスを即応的に生成することで、シーケンス最適化において大きな可能性を秘めている。
  論文  参考訳（メタデータ） (2025-02-11T05:39:49Z)
• Gene Regulatory Network Inference in the Presence of Selection Bias and Latent Confounders [14.626706466908386]
  Gene Regulatory Network Inference (GRNI) は遺伝子発現データを用いて遺伝子間の因果関係を同定することを目的としている。 遺伝子発現は非コーディングRNAのような潜伏した共同設立者の影響を受けており、GRNIに複雑さを増す。 本稿では,選択バイアスと潜在的共同設立者の存在下でのGISL(Gene Regulatory Network Inference in the presence of Selection bias and Latent Confounders)を提案する。
  論文  参考訳（メタデータ） (2025-01-17T11:27:58Z)
• Gene Regulatory Network Inference from Pre-trained Single-Cell Transcriptomics Transformer with Joint Graph Learning [10.44434676119443]
  単一細胞RNAシークエンシング(scRNA-seq)データから遺伝子制御ネットワーク(GRN)を推定することは複雑である。 本研究では,単一セルBERTを用いた事前学習型トランスモデル(scBERT)を活用することで,この問題に対処する。 本稿では,単一セル言語モデルによって学習されたリッチな文脈表現と,GRNで符号化された構造化知識を組み合わせた,新しい共同グラフ学習手法を提案する。
  論文  参考訳（メタデータ） (2024-07-25T16:42:08Z)
• Genetic heterogeneity analysis using genetic algorithm and network science [2.6166087473624318]
  ゲノムワイド・アソシエーション(GWAS)は、疾患に感受性のある遺伝的変数を同定することができる。 遺伝的効果に絡み合った遺伝的変数は、しばしば低い効果サイズを示す。 本稿では,FCSNet(Feature Co-Selection Network)という,GWASのための新しい特徴選択機構を提案する。
  論文  参考訳（メタデータ） (2023-08-12T01:28:26Z)
• DynGFN: Towards Bayesian Inference of Gene Regulatory Networks with GFlowNets [81.75973217676986]
  遺伝子調節ネットワーク(GRN)は、遺伝子発現と細胞機能を制御する遺伝子とその産物間の相互作用を記述する。 既存の方法は、チャレンジ(1)、ダイナミックスから循環構造を識別すること、あるいはチャレンジ(2)、DAGよりも複雑なベイズ後部を学習することに焦点を当てるが、両方ではない。 本稿では、RNAベロシティ技術を用いて遺伝子発現の「速度」を推定できるという事実を活用し、両方の課題に対処するアプローチを開発する。
  論文  参考訳（メタデータ） (2023-02-08T16:36:40Z)
• DDeMON: Ontology-based function prediction by Deep Learning from Dynamic Multiplex Networks [0.7349727826230864]
  本研究の目的は、遺伝子発現の時間的ダイナミクスとシステムのレベル情報の融合がいかにして新しい遺伝子機能を予測するかを検討することである。 時間依存型多スケール生体情報を用いた関数アノテーションのスケーラブルなシステムレベルの推論手法であるDDeMONを提案する。
  論文  参考訳（メタデータ） (2023-02-08T06:53:02Z)
• CausalBench: A Large-scale Benchmark for Network Inference from Single-cell Perturbation Data [61.088705993848606]
  本稿では,実世界の介入データに対する因果推論手法を評価するベンチマークスイートCausalBenchを紹介する。 CaulBenchには、新しい分散ベースの介入メトリクスを含む、生物学的に動機付けられたパフォーマンスメトリクスが含まれている。
  論文  参考訳（メタデータ） (2022-10-31T13:04:07Z)
• A single-cell gene expression language model [2.9112649816695213]
  遺伝子間のコンテキスト依存を学習する機械学習システムを提案する。 我々のモデルであるExceiverは、自己教師型タスクを用いて、多様な細胞タイプで訓練されている。 生物学的アノテーションに関して,潜在サンプル表現の類似性プロファイルと学習された遺伝子埋め込みとの間に一致が認められた。
  論文  参考訳（メタデータ） (2022-10-25T20:52:19Z)

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。