論文の概要: PACE: Geometry-Aware Bridge Transport for Single-Cell Trajectory Inference

• arxiv url: http://arxiv.org/abs/2605.18587v1
• Date: Mon, 18 May 2026 16:03:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-19 17:57:49.995973
• Title: PACE: Geometry-Aware Bridge Transport for Single-Cell Trajectory Inference
• Title（参考訳）: PACE: 単セル軌道推定のための幾何学的橋梁輸送
• Authors: Chenglei Yu*, Chuanrui Wang*, Bangyan Liao, Tailin Wu,
• Abstract要約: 時系列スナップショットから連続輸送ダイナミクスを復元する軌道推論フレームワークである PACE を提案する。 PACEはMDD、Wasserstein-1距離、Wasserstein-2距離を平均で23.7%減らし、最も高い総合的な再構築性能を達成した。 PACEはまた、胚体分化ベンチマークでRNA-ベロシティアライメントを15.4%改善する。
• 参考スコア（独自算出の注目度）: 12.48933770510505
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Single-cell trajectory inference from destructive time-course snapshots is fundamentally ill-posed: neither cross-time cell correspondences nor continuous trajectories are observed, so the snapshot distributions alone do not uniquely determine the underlying dynamics. Existing optimal transport and flow-based methods typically couple cells by Euclidean proximity at observed clock times, which can misalign trajectories when development is asynchronous and cells sampled at the same experimental time occupy different latent pseudotime stages. We propose PACE, a trajectory inference framework that recovers geometry-consistent continuous transport dynamics from destructive time-course snapshots through three coupled components. First, PACE constructs a state- and time-dependent anisotropic Riemannian metric that assigns low transport cost along locally supported tangent directions while penalizing normal velocity components. Second, it alternates between refining cross-time couplings under the induced path-action cost and fitting endpoint-preserving neural bridges between adjacent snapshots. Third, it distills the learned bridge dynamics into a global continuous-time velocity field over cellular states. Across seven controlled and biological datasets covering nine held-out reconstruction experiments, PACE achieves the strongest overall reconstruction performance, reducing MMD, Wasserstein-1 distance, and Wasserstein-2 distance by 23.7% on average relative to the strongest competing baseline. PACE also improves RNA-velocity alignment by 15.4% on an embryoid body differentiation benchmark, without requiring explicit cell pairing, lineage tracing, or RNA-velocity supervision during training. Code is available at https://github.com/AI4Science-WestlakeU/PACE.
• Abstract（参考訳）: 破壊的な時間軸スナップショットからの単細胞軌跡推論は基本的に不備であり、クロスタイム細胞対応も連続的軌跡も観察されないため、スナップショット分布だけでは基礎となるダイナミクスを一意に決定できない。 既存の最適輸送法とフローベース法は、通常、観測された時計時間にユークリッド近傍で細胞を結合するが、これは、開発が非同期であるときに軌道を誤る可能性があり、同時に実験時間にサンプリングされた細胞は、異なる潜時的な擬時ステージを占有する。 本研究では,3つの連結成分による破壊的時系列スナップショットから幾何一貫性のある連続輸送ダイナミクスを復元する軌道推論フレームワーク PACE を提案する。 まず、PACEは、通常の速度成分をペナライズしながら、局所的に支持された接地方向に沿って低輸送コストを割り当てる状態依存および時間依存的なリーマン計量を構築する。 第二に、誘導されたパスアクションコスト下でのクロスタイム結合の精細化と、隣接するスナップショット間のエンドポイント保存ニューラルブリッジの適合を交互に行う。 第三に、学習した橋梁の力学を、セル状態上の大域的連続時間速度場に蒸留する。 9つの保持された復元実験を含む7つの制御された生物学的データセットのうち、PACEはMDD、Wasserstein-1距離、Wasserstein-2距離を、最強の競合するベースラインに対する平均で23.7%減らし、最も高い総合的な再構築性能を達成する。 PACEはまた、トレーニング中に明示的な細胞ペアリング、系統追跡、RNA-ベロシティ監視を必要とすることなく、胚体分化ベンチマークでRNA-ベロシティアライメントを15.4%改善する。 コードはhttps://github.com/AI4Science-WestlakeU/PACEで入手できる。

関連論文リスト

• LagrangianSplats: Divergence-Free Transport of Gaussian Primitives for Fluid Reconstruction [26.888819976353957]
  スパース2次元ビデオ観測から3次元流体流速場を再構成することは、非常に不適切な逆問題である。 既存の方法は通常、これらの制約をソフトな罰則によって課し、しばしば精度と収束の問題を引き起こす。 両制約を構造的に強制する再構成フレームワークを導入する。具体的には,連続的な分散自由カーネル表現を用いて,再構成速度をパラメータ化する。
  論文  参考訳（メタデータ） (2026-05-10T03:45:50Z)
• FLUX: Geometry-Aware Longitudinal Flow Matching with Mixture of Experts [5.287641390746397]
  連成輸送モデルと教師なし状態発見のための幾何認識型縦流マッチングフレームワークFLUXを紹介する。 Across manifold control, a regime-switching Lorenz system, widefield cortical calcium imaging during associative learning, and FLUX, FLUX restructing longitudinal transport while recovering interpretable regime structure。
  論文  参考訳（メタデータ） (2026-05-09T03:36:00Z)
• K-GMRF: Kinetic Gauss-Markov Random Field for First-Principles Covariance Tracking on Lie Groups [8.489406212619164]
  共分散追跡のためのオンライン学習自由フレームワークK-GMRFを提案する。 本手法は, 構造保存型シンプレクティックインテグレータにより伝搬される潜在角速度を駆動するトルクとして観測を解釈する。 理論的には、この2階の力学が一定回転下でゼロ定常誤差を達成することを証明している。
  論文  参考訳（メタデータ） (2026-03-20T03:16:36Z)
• SSR: A Training-Free Approach for Streaming 3D Reconstruction [53.19807901585702]
  自己表現型シーケンス規則化(Self Expressive Sequence Regularization、SSR)は、推論中にグラスマン列の正則性を強制するプラグアンドプレイ演算子である。 本研究では,SSRが連続的にドリフトを低減し,複数のストリーミング3D再構成タスクにおける再構成品質を向上させることを示す。
  論文  参考訳（メタデータ） (2026-03-16T02:55:14Z)
• On Exact Editing of Flow-Based Diffusion Models [97.0633397035926]
  本研究では,フローベース編集を既知ソースによって駆動される分散変換問題として再構成する条件付き速度補正(CVC)を提案する。 CVCは、双対パースペクティブな速度変換機構を導入することにより、分配間変換における速度の役割を再考する。 我々は,CVCが優れた忠実度,セマンティックアライメント,多種多様なタスクに対する信頼性の高い編集動作を一貫して達成していることを示す。
  論文  参考訳（メタデータ） (2025-12-30T06:29:20Z)
• Y-shaped Generative Flows [23.602025081791187]
  我々は,Y字型生成フローを導入し,確率質量を分岐前の共有経路に沿って移動させる。 合成、画像、生物学のデータセットでは、Yフローは階層構造を回復し、強いフローベースのベースラインを越えて分散メトリクスを改善し、より少ない統合ステップでターゲットに到達する。
  論文  参考訳（メタデータ） (2025-10-13T21:33:37Z)
• Alignment Tipping Process: How Self-Evolution Pushes LLM Agents Off the Rails [103.05296856071931]
  本稿では,自己進化型大規模言語モデル(LLM)エージェントに特有の,アライメント・ティッピング・プロセス(ATP)を同定する。 ATPは、連続的な相互作用によってエージェントが訓練中に確立されたアライメント制約を放棄し、強化された自己関心の戦略を支持するときに生じる。 実験の結果、アライメントの利点は自己進化の下で急速に低下し、最初は整合性のない状態に収束したモデルであることが判明した。
  論文  参考訳（メタデータ） (2025-10-06T14:48:39Z)
• Manifold Interpolating Optimal-Transport Flows for Trajectory Inference [64.94020639760026]
  最適輸送流(MIOFlow)を補間するマニフォールド補間法を提案する。 MIOFlowは、散発的なタイムポイントで撮影された静的スナップショットサンプルから、連続的な人口動態を学習する。 本手法は, 胚体分化および急性骨髄性白血病の治療から得られたscRNA-seqデータとともに, 分岐とマージによるシミュレーションデータについて検討した。
  論文  参考訳（メタデータ） (2022-06-29T22:19:03Z)
• Averaging Spatio-temporal Signals using Optimal Transport and Soft Alignments [110.79706180350507]
  Fr'teche は双対性を意味し, 時間的バレシェセンタを定義するために提案した損失が有効であることを示す。 手書き文字と脳画像データによる実験は、我々の理論的発見を裏付けるものである。
  論文  参考訳（メタデータ） (2022-03-11T09:46:22Z)

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。