論文の概要: A Hybrid Computational Intelligence Framework for scRNA-seq Imputation: Integrating scRecover and Random Forests

• arxiv url: http://arxiv.org/abs/2511.16923v1
• Date: Fri, 21 Nov 2025 03:23:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-24 18:08:18.873779
• Title: A Hybrid Computational Intelligence Framework for scRNA-seq Imputation: Integrating scRecover and Random Forests
• Title（参考訳）: scRNA-seqインプットのためのハイブリッド・コンピューティング・インテリジェンス・フレームワーク : scRecoverとランダム・フォレストの統合
• Authors: Ali Anaissi, Deshao Liu, Yuanzhe Jia, Weidong Huang, Widad Alyassine, Junaid Akram,
• Abstract要約: 単細胞RNAシークエンシング(scRNA-seq)は、細胞分解における転写プロファイリングを可能にする。 SCR-MFは, scRecover を用いた原理的なドロップアウト検出と MissForest による堅牢な非パラメトリック計算を組み合わせた,モジュール型2段階のワークフローである。
• 参考スコア（独自算出の注目度）: 1.3265006188260802
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Single-cell RNA sequencing (scRNA-seq) enables transcriptomic profiling at cellular resolution but suffers from pervasive dropout events that obscure biological signals. We present SCR-MF, a modular two-stage workflow that combines principled dropout detection using scRecover with robust non-parametric imputation via missForest. Across public and simulated datasets, SCR-MF achieves robust and interpretable performance comparable to or exceeding existing imputation methods in most cases, while preserving biological fidelity and transparency. Runtime analysis demonstrates that SCR-MF provides a competitive balance between accuracy and computational efficiency, making it suitable for mid-scale single-cell datasets.
• Abstract（参考訳）: 単細胞RNAシークエンシング (scRNA-seq) は、細胞分解能において転写学的プロファイリングを可能にするが、生物学的シグナルが不明瞭な広範囲にわたるドロップアウト現象に悩まされる。 SCR-MFは, scRecover を用いた原理的なドロップアウト検出と MissForest による堅牢な非パラメトリック計算を組み合わせた,モジュール型2段階のワークフローである。 公開およびシミュレートされたデータセット全体にわたって、SCR-MFは、生物学的忠実さと透明性を維持しながら、ほとんどの場合、既存の計算方法に匹敵する堅牢で解釈可能なパフォーマンスを達成する。 実行時解析は、SCR-MFが精度と計算効率の競合的なバランスを提供し、中規模シングルセルデータセットに適していることを示している。

関連論文リスト

• SiDGen: Structure-informed Diffusion for Generative modeling of Ligands for Proteins [0.0]
  マスク付きSMILES生成とポケット認識のための軽量な折りたたみ機能を統合したタンパク質条件拡散フレームワークSiDGenを提案する。 SiDGenは、タンパク質の埋め込みから粗い構造信号をプールする合理化モードと、より強い結合のために局所化された対のバイアスを注入するフルモードの2つの条件付けパスをサポートしている。 自動ベンチマークでは、SiDGenは高い妥当性、一意性、新規性を生み出し、ドッキングベースの評価において競合性能を達成し、適切な分子特性を維持する。
  論文  参考訳（メタデータ） (2025-11-12T18:25:51Z)
• Generalizable Blood Cell Detection via Unified Dataset and Faster R-CNN [0.33842793760651557]
  本稿では,末梢血細胞の自動分類と対象検出のための総合的方法論と比較性能解析について述べる。 データパイプラインは、4つの公開データセットを標準化し、統合したリソースにマージするために最初に開発された。 最先端の高速R-CNNオブジェクト検出フレームワークが採用され、ResNet-50-FPNバックボーンが使用されている。
  論文  参考訳（メタデータ） (2025-11-11T17:08:40Z)
• scMRDR: A scalable and flexible framework for unpaired single-cell multi-omics data integration [53.683726781791385]
  単一セルマルチオミクス(ScMRDR)と呼ばれるスケーラブルでフレキシブルな生成フレームワークを導入する。 本手法は, バッチ補正, モダリティアライメント, 生体信号保存の観点から, ベンチマークデータセット上での優れた性能を実現する。
  論文  参考訳（メタデータ） (2025-10-28T21:28:39Z)
• Deep Survival Analysis for Competing Risk Modeling with Functional Covariates and Missing Data Imputation [13.108896747775063]
  本稿では、競合リスク下での離散時間生存分析のための統合ディープラーニングフレームワークFCRNを紹介する。 関数データ表現のためのマイクロネットワークバス層と勾配ベースの計算モジュールを組み合わせることで、FCRNは、欠落した値をインプットし、イベント固有のハザードを予測することを同時に学習する。
  論文  参考訳（メタデータ） (2025-09-29T18:33:00Z)
• Theoretical Insights in Model Inversion Robustness and Conditional Entropy Maximization for Collaborative Inference Systems [89.35169042718739]
  協調推論により、クラウドサーバに機密データを公開することなく、エンドユーザは強力なディープラーニングモデルを活用することができる。 近年の研究では、これらの中間機能は、情報が漏洩し、生データをモデル反転攻撃(MIA)によって再構築できるため、プライバシーを十分に保持できないことが判明している。 この研究はまず、与えられた中間特徴の入力の条件エントロピーが、任意のMIAの下での再構成平均二乗誤差(MSE)の保証された下界を与えることを理論的に証明する。 そして、ガウス混合推定に基づいて、この条件付きエントロピーを有界化するための微分可能かつ可解な尺度を導出し、逆ロバスト性を高める条件付きエントロピーアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2025-03-01T07:15:21Z)
• Uncertainty-Aware Deep Attention Recurrent Neural Network for Heterogeneous Time Series Imputation [0.25112747242081457]
  欠落は多変量時系列においてユビキタスであり、信頼できる下流分析の障害となる。 本稿では、欠落した値とその関連不確かさを共同で推定するDeep Attention Recurrent Imputation (Imputation)を提案する。 実験の結果,実世界のデータセットを用いた多様な計算タスクにおいて,SOTAを上回っていることがわかった。
  論文  参考訳（メタデータ） (2024-01-04T13:21:11Z)
• Soft Random Sampling: A Theoretical and Empirical Analysis [59.719035355483875]
  ソフトランダムサンプリング(SRS)は、大量のデータを扱う際に、効率的なディープニューラルネットワークに対して単純だが効果的なアプローチである。 それは、各エポックに設定された各データセットから、ランダムに置換された均一な速度を選択する。 実世界の産業規模で重要な競争力を持つ、強力で競争力のある戦略であることが示されている。
  論文  参考訳（メタデータ） (2023-11-21T17:03:21Z)
• Deciphering RNA Secondary Structure Prediction: A Probabilistic K-Rook Matching Perspective [63.3632827588974]
  RFoldは、与えられたシーケンスから最もよく一致するK-Rook解を予測する方法である。 RFoldは、最先端のアプローチよりも競争性能とおよそ8倍の推論効率を達成する。
  論文  参考訳（メタデータ） (2022-12-02T16:34:56Z)
• Bayesian Reconstruction and Differential Testing of Excised mRNA [0.0]
  我々は、転写と局所スプライシングの視点を調和させる最初の確率モデルを開発する。 拡張mRNA(BREM)の再構成のための新しい階層的ベイズ混和モデルを提案する。 BREMは局所スプライシングイベントとフル長の転写産物を補間し、高い後部確率を持つ中小企業にのみ焦点をあてる。
  論文  参考訳（メタデータ） (2022-11-14T04:46:33Z)

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。