論文の概要: CellxPert: Inference-Time MCMC Steering of a Multi-Omics Single-Cell Foundation Model for In-Silico Perturbation

• arxiv url: http://arxiv.org/abs/2605.00930v1
• Date: Thu, 30 Apr 2026 21:34:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-05 20:33:49.488837
• Title: CellxPert: Inference-Time MCMC Steering of a Multi-Omics Single-Cell Foundation Model for In-Silico Perturbation
• Title（参考訳）: CellxPert: シリコン内摂動に対するマルチオミクス単セルファンデーションモデルの推論時間MCMCステアリング
• Authors: Andac Demir, Erik W. Anderson, Jeremy L. Jenkins, Srayanta Mukherjee,
• Abstract要約: 本稿では,単一セルと空間的マルチオミクスを統一したスケーラブルなマルチモーダル基盤モデルであるCellxPertを紹介する。 CellxPertはトランスクリプトーム(scRNA-seq)、アクセシビリティー・アクセシビリティー・アクセシビリティ(ATAC-seq)、表面プロテオーム(CITE-seq)を共同でコードする。 細胞型アノテーション,摂動応答予測,マルチオミック統合において,CellxPertは古典的および最先端のベースラインを超越していることを示す。
• 参考スコア（独自算出の注目度）: 1.8012666291588018
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this work, we introduce CellxPert, a scalable multimodal foundation model that unifies single-cell and spatial multi-omics within a common representation space. CellxPert jointly encodes transcriptomic (scRNA-seq), chromatin-accessibility (ATAC-seq), and surface-proteomic (CITE-seq) measurements, while directly incorporating MERFISH and imaging mass-cytometry data as 2D or 3D spatial-visual layers. CellxPert facilitates four key downstream tasks out of the box: (i) cell-type annotation across a broad ontology of 154 largely overlapping identities -- the largest label space addressed to date and a stringent test of fine-grained discrimination, (ii) efficient fine-tuning using Low Rank Adaptation (LoRA), (iii) genome-wide transcriptomic response prediction to in-silico perturbations (ISP), and (iv) seamless multi-omic integration across various assays and platforms. Unlike current single-cell foundation models, which approximate gene perturbations by deleting or reordering tokenized gene expression ranks, CellxPert employs a Metropolis-Hastings sampler whose proposal kernel uses the model's masked conditional distributions to transition to new transcriptomic states conditioned on the perturbed genes. This Markov-chain procedure mitigates out-of-distribution artifacts introduced by abrupt token manipulation and produces trajectories that are biologically interpretable. Evaluations on PBMC68K, Replogle Perturb-seq, Systema, and BMMC benchmarks show that CellxPert surpasses classical and state-of-the-art baselines in cell-type annotation, perturbation response prediction, and multi-omic integration.
• Abstract（参考訳）: 本稿では,CellxPertを紹介する。CellxPertは,単一のセルと空間のマルチオミクスを共通表現空間内で統一する,スケーラブルなマルチモーダル基盤モデルである。 CellxPertは、トランスクリプトーム(scRNA-seq)、クロマチンアクセシビリティ(ATAC-seq)、表面プロテオーム(CITE-seq)の測定を共同でエンコードし、MERFISHを直接組み込んで2次元または3次元の空間視覚層として質量サイトメトリーデータを撮像する。 CellxPertは、ボックスから4つの重要な下流タスクを促進する。 (i)154の広義のオントロジーにまたがる細胞型アノテーションは、主に重複するアイデンティティであり、現在までに対処されている最大のラベル空間であり、きめ細かい識別の厳密なテストである。 (II)ローランク適応(LoRA)を用いた効率的な微調整 3)シリコ内摂動(ISP)に対するゲノムワイド転写応答予測 (4) 様々なアッセイやプラットフォームにまたがるシームレスなマルチオミックな統合。 現在の単一細胞基盤モデルとは異なり、CellxPertは、トークン化された遺伝子発現のランクを削除または再順序付けすることで遺伝子の摂動を近似するが、提案されたカーネルはモデルのマスクされた条件分布を使用して、摂動された遺伝子に条件付けられた新しい転写状態に移行するためにメトロポリス・ハスティングスサンプルを使用する。 このマルコフ連鎖法は、急激なトークン操作によって導入されたアウト・オブ・ディストリビューション・アーティファクトを緩和し、生物学的に解釈可能な軌道を生成する。 PBMC68K、Replogle Perturb-seq、Systema、BMMCベンチマークによる評価では、CellxPertは、セル型アノテーション、摂動応答予測、マルチオミック統合において、古典的および最先端のベースラインを超えている。

関連論文リスト

• MAT-Cell: A Multi-Agent Tree-Structured Reasoning Framework for Batch-Level Single-Cell Annotation [81.82645086402366]
  MAT-Cellは,単細胞解析を構築的で検証可能な証明生成に再構成する,ニューロシンボリック推論フレームワークである。 MAT-Cellは、適応型レトリーバル増強生成(RAG)を通じて、生物学的公理の基底神経推論に象徴的な制約を注入し、転写ノイズを減少させる。 最先端のSOTA(State-of-the-art)モデルを大幅に上回り、挑戦的なシナリオにおいて堅牢なパフォーマンスを維持します。
  論文  参考訳（メタデータ） (2026-04-07T04:56:06Z)
• Lingshu-Cell: A generative cellular world model for transcriptome modeling toward virtual cells [48.885716676667776]
  Lingshu-Cellは、転写状態の分布を学習し、摂動下で条件シミュレーションをサポートする離散拡散モデルである。 約18,000の遺伝子にまたがる複雑なトランスクリプトーム全体の発現依存性を、以前の遺伝子選択に頼らずに捕捉する。 これは、Virtual Cell Challenge H1遺伝子摂動ベンチマークにおいて、ヒトPBMCのサイトカイン誘発反応の予測において、主要な性能を発揮する。
  論文  参考訳（メタデータ） (2026-03-26T09:46:27Z)
• scDFM: Distributional Flow Matching Model for Robust Single-Cell Perturbation Prediction [12.48933770510505]
  条件付きフローマッチングに基づく生成フレームワークである scDFM を提案する。 scDFMは、細胞レベルでの通信以上の個体群を混乱させ、制御する。
  論文  参考訳（メタデータ） (2026-02-06T17:00:21Z)
• 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)
• 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)
• Unlasting: Unpaired Single-Cell Multi-Perturbation Estimation by Dual Conditional Diffusion Implicit Bridges [68.98973318553983]
  本稿では,Dual Diffusion Implicit Bridges (DDIB) に基づくフレームワークを提案する。 我々は、生物学的に意味のある方法で摂動シグナルを伝達するために遺伝子制御ネットワーク(GRN)情報を統合する。 また、サイレント遺伝子を予測し、生成したプロファイルの品質を向上させるためのマスキング機構も組み込んだ。
  論文  参考訳（メタデータ） (2025-06-26T09:05:38Z)
• scMamba: A Scalable Foundation Model for Single-Cell Multi-Omics Integration Beyond Highly Variable Feature Selection [5.139014238424409]
  scMambaはシングルセルのマルチオミクスデータを事前のフィーチャ選択を必要とせずに統合するために設計されたモデルである。 scMambaは、高次元のスパースシングルセルマルチオミクスデータから豊富な生物学的洞察を蒸留する。 われわれは scMamba を大規模シングルセルマルチオミクス統合の強力なツールとして位置づけた。
  論文  参考訳（メタデータ） (2025-06-25T12:58:01Z)
• HEIST: A Graph Foundation Model for Spatial Transcriptomics and Proteomics Data [25.915980581662023]
  本稿では,空間転写学とトランスフォーマーのための階層グラフ基盤モデルであるHEISTを紹介する。 HEISTは、124の組織から15の臓器の22.3M細胞に、空間的に認識されるコントラストとマスクされた自己エンコーディングの目的を用いて事前訓練されている。
  論文  参考訳（メタデータ） (2025-06-11T12:29:01Z)
• sc-OTGM: Single-Cell Perturbation Modeling by Solving Optimal Mass Transport on the Manifold of Gaussian Mixtures [0.9674145073701153]
  sc-OTGMは、scRNAseqデータが生成される誘導バイアスに基づく教師なしモデルである。 sc-OTGMは細胞状態の分類、異なる遺伝子発現の解析、標的同定のための遺伝子ランキングに有効である。 また、下流遺伝子制御に対する単一遺伝子の摂動の影響を予測し、特定の細胞状態に条件付けられた合成scRNA-seqデータを生成する。
  論文  参考訳（メタデータ） (2024-05-06T06:46:11Z)

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。