論文の概要: Beyond Continuity: Simulation-free Reconstruction of Discrete Branching Dynamics from Single-cell Snapshots

• arxiv url: http://arxiv.org/abs/2605.00545v1
• Date: Fri, 01 May 2026 09:57:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-04 17:43:28.924046
• Title: Beyond Continuity: Simulation-free Reconstruction of Discrete Branching Dynamics from Single-cell Snapshots
• Title（参考訳）: 連続性を超えて: 単セルスナップショットからの離散分岐ダイナミクスのシミュレーションなし再構成
• Authors: Junda Ying, Yuxuan Wang, Bowen Yang, Peijie Zhou, Lei Zhang,
• Abstract要約: 基礎となる力学を学習するためのシミュレーションフリーフレームワークであるUn Balanced Schrdinger Bridge(USB)を提案する。 USBは、顕微鏡効果とアンバランス効果の両方を統合し、単細胞解像度での離散ジャンプのような生死ダイナミクスをモデル化する。 技術的には、USBはシミュレーションなしのトレーニング目標を実装し、高次元のオミクスデータに効果的にスケールする。
• 参考スコア（独自算出の注目度）: 15.111561302726132
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Inferring cellular trajectories from destructive snapshots is complicated by the challenges of stochasticity and non-conservative mass dynamics such as cell proliferation and apoptosis. Existing unbalanced Optimal Transport (OT) methods treat mass as a continuous fluid, performing inference at the population level. However, this macroscopic view often fails to capture the discrete, jump-like nature of birth-death events at single-cell resolution, which is essential for understanding lineage branching and fate decisions. We present Unbalanced Schrödinger Bridge (USB), a simulation-free framework for learning underlying dynamics that effectively integrates both stochastic and unbalanced effects which also models the discrete, jump-like birth-death dynamics at single-cell resolution. Theoretically, USB provides a tractable solution to the Branching Schrödinger Bridge (BSB) problem, offering a rigorous microscopic interpretation where individual cells undergo both Brownian motion and discrete birth-death jumps. Technically, the method implements an efficient solver by introducing a simulation-free training objective that effectively scales to high-dimensional omics data. Empirically, we demonstrate on both simulated and real-world datasets that USB not only achieves trajectory reconstruction performance better than or comparable to deterministic baselines but also uniquely enables realistic discrete simulation of birth-death dynamics at single-cell resolution.
• Abstract（参考訳）: 破壊的スナップショットから細胞軌道を推定することは、確率性や細胞増殖やアポトーシスなどの非保存的質量動態の課題によって複雑である。 既存の最適輸送法(OT)は、質量を連続流体として扱い、人口レベルでの推論を行う。 しかし、このマクロな見解は、しばしば単細胞解像度で誕生死事象の離散的で跳躍のような性質を捉えることに失敗し、それは系統の分岐や運命の決定を理解するのに不可欠である。 非平衡シュレーディンガーブリッジ (USB) は, 確率的および非平衡効果を効果的に統合し, 単一セル解像度での離散的, ジャンプライクな生死ダイナミクスをモデル化する, 基礎となる力学を学習するための, シミュレーション不要なフレームワークである。 理論的には、USBは分岐シュレーディンガーブリッジ(英語版)(BSB)問題に対するトラクタブルな解決策を提供し、個々の細胞がブラウン運動と個別の生死ジャンプの両方を受けるという厳密な微視的な解釈を提供する。 技術的には、高次元オミクスデータに効果的にスケールするシミュレーション不要なトレーニング目標を導入することにより、効率的な解法を実現する。 経験的に、USBは軌道再構成性能を決定論的ベースラインに匹敵するだけでなく、単一セル解像度での生死ダイナミクスの現実的な離散的シミュレーションを可能にする。

関連論文リスト

• STDDN: A Physics-Guided Deep Learning Framework for Crowd Simulation [13.228132733021376]
  本稿では,微視的軌道予測をマクロ物理学で導く新しい枠組みを提案する。 ニューラル正規微分方程式は、個々の運動によって駆動されるマクロ密度の進化をモデル化するために用いられる。 提案手法は, 長期タスクにおける最先端手法と比較して, シミュレーション性能に優れていた。
  論文  参考訳（メタデータ） (2026-04-03T06:06:04Z)
• MIOFlow 2.0: A unified framework for inferring cellular stochastic dynamics from single cell and spatial transcriptomics data [47.97758608694957]
  We introduced Interpolating Manifold-Transport Flow (MIOFlow) 2.0。 この枠組みは、多様体学習、最適輸送、神経微分方程式を統合することにより、生物学的に情報を得た細胞軌道を学習する。 合成データセット、胚体分化、空間的に解決されたアクソロトル脳再生で検証される。
  論文  参考訳（メタデータ） (2026-03-23T20:49:45Z)
• Aligning Agentic World Models via Knowledgeable Experience Learning [68.85843641222186]
  環境フィードバックをシンセサイザー化したWorld Knowledge Repositoryを構築するフレームワークであるWorldMindを紹介する。 WorldMindは、優れたクロスモデルとクロス環境転送性を備えたベースラインよりも優れたパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2026-01-19T17:33:31Z)
• Departures: Distributional Transport for Single-Cell Perturbation Prediction with Neural Schrödinger Bridges [51.83259180910313]
  遺伝子機能解析における大きなボトルネックは、単細胞データの未成熟の性質である。 我々は、SB(Schrdinger Bridge)を近似して、単セル摂動データに対処する。 本モデルは,異種単一セル応答を効果的に捉え,最先端の性能を実現する。
  論文  参考訳（メタデータ） (2025-11-17T08:27:13Z)
• Inferring stochastic dynamics with growth from cross-sectional data [3.3748750222488657]
  本稿では,成長を伴うダイナミックスとしてモデル化された生物学的プロセスの課題に対処する,新しい確率フロー推定手法を提案する。 フォッカー・プランク方程式のラグランジアン定式化を利用して, 本手法は内在雑音や成長からドリフトを正確に解離する。
  論文  参考訳（メタデータ） (2025-05-19T14:51:47Z)
• Modeling Cell Dynamics and Interactions with Unbalanced Mean Field Schrödinger Bridge [18.459855419368726]
  我々はスナップショットデータから不均衡な相互作用のダイナミクスをモデル化するフレームワークを開発する。 次に,UMFSB問題を近似したディープラーニングアルゴリズムCytoBridgeを提案する。 本手法の有効性は、合成遺伝子制御データと実際のcRNA-seqデータセットの両方を用いて広く検証されている。
  論文  参考訳（メタデータ） (2025-05-16T12:55:13Z)
• Simulation-free Schr\"odinger bridges via score and flow matching [89.4231207928885]
  シミュレーションフリースコアとフローマッチング([SF]$2$M)を提案する。 本手法は,拡散モデルのトレーニングに使用するスコアマッチング損失と,連続流のトレーニングに使用されるフローマッチング損失の両方を一般化する。 特に、[SF]$2$Mは、高次元の細胞動態を正確にモデル化し、既知の遺伝子制御ネットワークをシミュレートする最初の方法である。
  論文  参考訳（メタデータ） (2023-07-07T15:42:35Z)
• Unbalanced Diffusion Schr\"odinger Bridge [71.31485908125435]
  任意の有限質量の辺縁の時間的進化をモデル化する不均衡DSBを導入する。 これは、殺生項を伴う微分方程式の時間反転を導出することで達成される。 本稿では,非バランスなDSBを学習するためのスケーラブルな目的関数を構成する2つの新しいアルゴリズムスキームを提案する。
  論文  参考訳（メタデータ） (2023-06-15T12:51:56Z)

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。