論文の概要: scCBGM: Interpretable Single-Cell Counterfactual Editing

• arxiv url: http://arxiv.org/abs/2606.07760v1
• Date: Fri, 05 Jun 2026 18:17:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-09 14:42:05.381258
• Title: scCBGM: Interpretable Single-Cell Counterfactual Editing
• Title（参考訳）: scCBGM: 解釈可能なシングルセル対実編集
• Authors: Alma Andersson, Aya Abdelsalam Ismail, Edward De Brouwer, Doron Haviv, Tommaso Biancalani, Kyunghyun Cho, Gabriele Scalia, Aïcha BenTaieb, Hector Corrada Bravo,
• Abstract要約: シングルセル概念ボトルネック生成モデル(scCBGM)を紹介する。 scCBGMは個々の細胞の解釈と正確な反事実編集のためのフレームワークである。 我々は,このフレームワークをフローマッチングモデルに拡張し,符号化・復号化と生成の両方式で概念誘導編集を可能にする。
• 参考スコア（独自算出の注目度）: 39.96631162986181
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Understanding cellular phenotypes and how they respond to perturbations is critical for disease biology and therapeutic design. Single-cell RNA sequencing enables characterization at cellular resolution, yet the combinatorial space of conditions makes exhaustive experimental mapping infeasible. We introduce single-cell Concept Bottleneck Generative Models (scCBGM), a framework for interpretable and precise counterfactual editing of individual cells. scCBGM adapts concept bottleneck architectures for single-cell data through decoder skip connections and a cross-covariance penalty that promotes disentanglement without dimensional constraints. We extend the framework to flow matching models, enabling concept-guided editing in both encoding-decoding and generation regimes. To enable rigorous evaluation, we develop a synthetic benchmark with ground-truth counterfactuals. Across multiple real datasets, scCBGM demonstrates superior performance in combinatorial generalization and counterfactual prediction, supported by cell-level validation on synthetic data and population-level benchmarks on real datasets.
• Abstract（参考訳）: 細胞性表現型を理解し、摂動にどう反応するかを理解することは、病気の生物学や治療設計において重要である。 単細胞RNAシークエンシングは細胞の分解能を特徴づけるが、条件の組合せ空間は完全な実験的マッピングを不可能にする。 本稿では,個々のセルの正確な対実編集を行うためのフレームワークであるシングルセル概念ボトルネック生成モデル(scCBGM)を紹介する。 scCBGMは、デコーダのスキップ接続と、次元制約なしに絡み合うことを促進する相互共分散ペナルティを通じて、シングルセルデータに対する概念ボトルネックアーキテクチャを適用している。 我々は,このフレームワークをフローマッチングモデルに拡張し,符号化・復号化と生成の両方式で概念誘導編集を可能にする。 厳密な評価を可能にするため, 地中真正則の合成ベンチマークを開発した。 複数の実データセットにわたって、SCBGMは、合成データに対するセルレベルの検証と実際のデータセット上の集団レベルのベンチマークによってサポートされ、組合せ一般化と対実予測において優れた性能を示す。

関連論文リスト

• SAVE: A Generalizable Framework for Multi-Condition Single-Cell Generation with Gene Block Attention [10.404186274295222]
  SAVEは単一セルモデリングのための条件変換器に基づく統一的な生成フレームワークである。 条件生成,バッチ効果補正,摂動予測など,様々なベンチマークでSAVEを評価した。 Saveは、複雑なシングルセルデータをモデリングするためのスケーラブルで汎用的なソリューションを提供する。
  論文  参考訳（メタデータ） (2026-04-18T01:45:16Z)
• 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)
• 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)
• 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)
• Linearized Optimal Transport for Analysis of High-Dimensional Point-Cloud and Single-Cell Data [45.87606039212519]
  シングルセル技術は、細胞の高次元点雲を生成する。 各患者は単純なベクトルではなく不規則な点雲で表される。 線形最適輸送フレームワークを用いて不規則点雲を固定次元ユークリッド空間に埋め込む。
  論文  参考訳（メタデータ） (2025-10-24T21:33:12Z)
• CellPainTR: Generalizable Representation Learning for Cross-Dataset Cell Painting Analysis [51.56484100374058]
  本稿では,細胞形態の基本的な表現を学習するためのトランスフォーマーベースのアーキテクチャであるCellPainTRを紹介する。 私たちの研究は、画像ベースのプロファイリングのための真の基盤モデルを作成するための重要なステップであり、より信頼性が高くスケーラブルなクロススタディ生物学的分析を可能にします。
  論文  参考訳（メタデータ） (2025-09-02T03:30:07Z)
• Multi-Modal and Multi-Attribute Generation of Single Cells with CFGen [76.02070962797794]
  本研究では、単一セルデータ固有の離散性を保存するフローベースの条件生成モデルであるCellFlow for Generation (CFGen)を紹介する。 CFGenは、全ゲノムマルチモーダル単一セルデータを確実に生成し、重要な生物学的データ特性の回復を改善する。
  論文  参考訳（メタデータ） (2024-07-16T14:05:03Z)
• Scalable Amortized GPLVMs for Single Cell Transcriptomics Data [9.010523724015398]
  大規模単細胞RNA-seqデータの解析には次元化が不可欠である。 改良されたモデル、償却変分モデル(BGPLVM)を導入する。 BGPLVMは、特殊なエンコーダ、カーネル、そして可能性設計を備えたシングルセルRNA-seq向けに調整されている。
  論文  参考訳（メタデータ） (2024-05-06T21:54:38Z)

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。