論文の概要: Querying Counterfactuals on Tissue Graphs with Supervised Disentanglement

• arxiv url: http://arxiv.org/abs/2606.08493v2
• Date: Wed, 10 Jun 2026 08:04:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-11 14:23:44.354048
• Title: Querying Counterfactuals on Tissue Graphs with Supervised Disentanglement
• Title（参考訳）: 組織グラフ上の対向関係の探索 : 教師付きディスタングルを用いた検討
• Authors: Abdul Moeed, Stefan Schrod, Martin Rohbeck, Marc Jan Bonder, Pavlo Lutsik, Oliver Stegle, Daniel Dimitrov,
• Abstract要約: まず,組織グラフの反事実を空間介入の類として定式化する。 次に、Cellinaを紹介します。これは、教師付きアンタングルメントを使用して、セル固有の状態をその空間的コンテキストから分解するフレームワークです。
• 参考スコア（独自算出の注目度）: 0.3664600242783913
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Tissue graph counterfactuals ask how a cell's expression would change under altered spatial neighbor contexts. Such queries are central to predicting cell behavior in tissues, but lack a unified definition, with existing methods targeting specific intervention types or treating cells as i.i.d. In this work, we first formalize tissue graph counterfactuals as a class of spatial interventions that either rewire connections between cells (edge perturbation) or modify the expression of their neighbors (node perturbation). We then introduce Cellina (https://cellina.readthedocs.io) - a framework that uses supervised disentanglement to decompose a cell's intrinsic state from its spatial context, using the latter as a conditioning input for counterfactual predictions. Across benchmarks spanning over 2.5 million spatially-resolved cells in colorectal cancer and mouse brain, Cellina outperforms spatially-informed and non-spatial competitors in in-silico graph perturbations, disentanglement, and scalability. Additionally, we show that Cellina reveals biologically distinct cancer subdomains in an unsupervised manner and enables targeted neighbor perturbation simulations.
• Abstract（参考訳）: 組織グラフのカウンターファクトは、空間的近傍の文脈で細胞の発現がどのように変化するかを問う。 このようなクエリは、組織内の細胞の挙動を予測する上で中心的であるが、既存の方法では、特定の介入タイプをターゲットにするか、細胞を治療する、すなわち、組織グラフカウンターファクトアルを、細胞間の接続をリワイヤリングする(エッジ摂動)か、隣人の表現を変更する(ノード摂動)ような空間的介入のクラスとして、まず形式化する。 次に、Cellina (https://cellina.readthedocs.io) を紹介します。これは、教師付きアンタングルメントを使用して、セルの固有の状態をその空間的コンテキストから分解するフレームワークです。 大腸癌とマウス脳における250万以上の空間分解細胞にまたがるベンチマークでは、Cellinaは、シリコン内グラフの摂動、ゆがみ、拡張性において、空間インフォームドや非空間競合よりも優れています。 さらに,Cellinaは生物学的に異なる癌サブドメインを非監督的に明らかにし,隣接する摂動シミュレーションを可能にした。

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)
• Semantic Shift: the Fundamental Challenge in Text Embedding and Retrieval [39.73839943827917]
  トランスフォーマーベースの埋め込みモデルは、可変長のテキストを単一のベクトルにマッピングするプーリングに依存している。 因果関係の欠如は、本質的な、構造的な進化と、テキスト内の意味論の分散である。
  論文  参考訳（メタデータ） (2026-03-22T22:58:11Z)
• How Do Language Models Understand Tables? A Mechanistic Analysis of Cell Location [53.68149869349268]
  細胞位置の原子的タスクを分離することにより,テーブル理解の過程を解明する。 モデルは、座標を解くために離散をカウントする順序機構を介して標的セルを特定することを実証する。 我々は,原子配置中に同定された同一のアテンションヘッドを多重化することにより,モデルがマルチセル位置タスクに一般化できることを明らかにする。
  論文  参考訳（メタデータ） (2026-02-09T11:47:34Z)
• 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)
• Rectified Diffusion Guidance for Conditional Generation [94.83538269086613]
  CFGの背後にある理論を再検討し、不適切な組合せ係数(textiti.e.)が生成分布を期待的にシフトさせることを厳密に確認する。 提案手法は, 強みを考慮すれば, textbftextitform ソリューションが有効であることを示す。 実世界のデータに関する実証的な証拠は、我々の設計と既存の最先端拡散モデルとの整合性を実証している。
  論文  参考訳（メタデータ） (2024-10-24T13:41:32Z)
• Cell Graph Transformer for Nuclei Classification [78.47566396839628]
  我々は,ノードとエッジを入力トークンとして扱うセルグラフ変換器(CGT)を開発した。 不愉快な特徴は、騒々しい自己注意スコアと劣等な収束につながる可能性がある。 グラフ畳み込みネットワーク(GCN)を利用して特徴抽出器を学習する新しいトポロジ対応事前学習法を提案する。
  論文  参考訳（メタデータ） (2024-02-20T12:01:30Z)
• Single Cells Are Spatial Tokens: Transformers for Spatial Transcriptomic Data Imputation [12.276966573615013]
  本稿では, セルレベル空間転写データのためのトランスフォーマーベースの計算フレームワークであるSpaFormerを提案する。 SpaFormerは3つの大規模データセット上で既存の最先端の計算アルゴリズムより優れていることを示す。
  論文  参考訳（メタデータ） (2023-02-06T01:44:13Z)
• Geodesic Sinkhorn for Fast and Accurate Optimal Transport on Manifolds [53.110934987571355]
  多様体グラフ上の熱核に基づく測地学的シンクホーンを提案する。 化学療法中の患者試料からの高次元単細胞データの複数分布のバリセンタの計算に本法を適用した。
  論文  参考訳（メタデータ） (2022-11-02T00:51:35Z)
• Visual Understanding of Complex Table Structures from Document Images [32.95187519339354]
  本稿では,テーブル内におけるセル固有のアライメントをキャプチャするオブジェクト検出に基づく新しいディープモデルを提案する。 また,新しい直線グラフに基づく定式化を導出することにより,構造認識の改善も目指している。 我々のフレームワークは、ベンチマークデータセットの平均F1スコアを2.7%改善する。
  論文  参考訳（メタデータ） (2021-11-13T14:54:33Z)
• Split and Expand: An inference-time improvement for Weakly Supervised Cell Instance Segmentation [71.50526869670716]
  本研究では,分割マップのインスタンスへの変換を改善するために,2段階の後処理手順であるSplitとExpandを提案する。 Splitのステップでは,セルの集合をセグメント化マップから個々のセルインスタンスに分割し,セル中心の予測を導出する。 拡張ステップでは、細胞中心予測を用いて、小さな細胞が欠落していることが分かる。
  論文  参考訳（メタデータ） (2020-07-21T14:05:09Z)

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。