論文の概要: FreeBridge: Variational Schrödinger Bridges for Cellular Transition Dynamics

• arxiv url: http://arxiv.org/abs/2606.11286v1
• Date: Tue, 09 Jun 2026 16:46:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-11 16:42:38.11167
• Title: FreeBridge: Variational Schrödinger Bridges for Cellular Transition Dynamics
• Title（参考訳）: FreeBridge: セル遷移ダイナミクスのための変分シュレーディンガーブリッジ
• Authors: Xurui Wang, Qin Ren, Jun Ma, Haibin Ling, Chenyu You,
• Abstract要約: FreeBridgeはエンドポイントのみを監督する単一セル遷移モデリングのためのSchrdinger Bridgeである。 FreeBridgeは、統合評価プロトコルの下で、競合的または改善されたエンドポイントの忠実性とメカニズムの保持を維持している。
• 参考スコア（独自算出の注目度）: 48.14051378654045
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: High-content imaging assays quantify cellular responses to chemical and genetic perturbations, yet continuous trajectories of individual cells are unobservable because cells are chemically fixed at acquisition. Perturbation modeling therefore reduces to inferring stochastic transport between control and treated populations observed only as separate marginals. While recent generative models achieve strong end-point alignment, boundary consistency does not determine intermediate evolution: multiple stochastic processes may connect identical marginals while traversing regions unsupported by observed single-cell morphologies. We introduce \textbf{FreeBridge}, a Schrödinger Bridge formulation for single-cell transition modeling under endpoint-only supervision. FreeBridge defines atomic states as instance-segmented single-cell representations, establishing a fixed cellular manifold, and learns stochastic transport constrained within this geometry via empirical latent support regularization. Across BBBC021, RxRx1, and JUMP, FreeBridge maintains competitive or improved endpoint fidelity and mechanism-of-action retention under a unified evaluation protocol; on BBBC021, it further reduces intermediate support violations. These findings highlight the importance of geometric grounding for biologically interpretable perturbation dynamics. Project page: https://y-research-sbu.github.io/FreeBridge/.
• Abstract（参考訳）: 高濃度イメージングアッセイは、化学的および遺伝的摂動に対する細胞の反応を定量化するが、個々の細胞の連続的な軌跡は、取得時に化学的に固定されているため観測不可能である。 したがって、摂動モデリングは、制御と治療された集団の間の確率的移動を、別個の限界としてのみ推測する。 最近の生成モデルは強い終点アライメントを達成するが、境界の整合性は中間的進化を決定するものではない。 エンドポイントのみの監督の下で単一セル遷移モデリングのためのシュレーディンガー橋の定式化である \textbf{FreeBridge} を導入する。 FreeBridgeは原子状態をインスタンス分割された単一セル表現として定義し、固定されたセル多様体を確立し、経験的潜在サポート正規化を通じてこの幾何学内で制約された確率的輸送を学習する。 BBBC021、RxRx1、JUMP全体で、FreeBridgeは統合された評価プロトコルの下で、競合的または改善されたエンドポイントの忠実度とメカニズム・オブ・アクションの保持を維持している。 これらの知見は、生物学的に解釈可能な摂動力学における幾何学的接地の重要性を浮き彫りにした。 プロジェクトページ:https://y-research-sbu.github.io/FreeBridge/。

関連論文リスト

• Chreode: A Cell World Model for One-Step Temporal Dynamics and Perturbation Prediction [35.689906216277606]
  Chreodeは、動作条件のセル状態遷移を予測するワンステップのセルワールドモデルである。 このモデルは、2.4M細胞マウス胚性アトラス上で共有の scVI と DiT ベースの動的バックボーンで事前訓練される。 GEARSの転写可能な遺伝子状態埋め込みとして、事前訓練された動的表現は共有語彙DE20平均二乗誤差を減少させる。
  論文  参考訳（メタデータ） (2026-05-27T08:05:35Z)
• 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)
• 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)
• 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)
• 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)
• Growing Isotropic Neural Cellular Automata [63.91346650159648]
  我々は、元のGrowing NCAモデルには、学習された更新規則の異方性という重要な制限があると主張している。 細胞系は2つの方法のいずれかによって、正確な非対称パターンを成長させる訓練が可能であることを実証する。
  論文  参考訳（メタデータ） (2022-05-03T11:34:22Z)

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。