Fugu-MT 論文翻訳(概要): Magnitude-Based Features for Multispecies Spatial Data

論文の概要: Magnitude-Based Features for Multispecies Spatial Data

arxiv url: http://arxiv.org/abs/2606.11775v1
Date: Wed, 10 Jun 2026 08:02:58 GMT
ステータス: 翻訳完了
システム内更新日: 2026-06-11 16:42:38.353698
Title: Magnitude-Based Features for Multispecies Spatial Data
Title（参考訳）: 多種空間データのためのマグニチュードに基づく特徴量化
Authors: Julia Sollberger, Joshua Bull, Sara Kališnik, Bernadette Stolz,
Abstract要約: 本研究では,多種空間データ解析のための等級に基づく特徴量化を提案する。我々は,大域的・局所的な特徴ベクトルを開発し,その有用性を人工腫瘍マイクロ環境データに示す。等級に基づく特徴は,多種空間データを解析するための強力で柔軟なツールであることを示す。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Multispecies spatial data arise in many applications where interactions between different entities are central to system behaviour, including biomedical imaging, geospatial analysis, and species ecology. Despite their importance, relatively few quantitative tools exist to capture such interactions. In this work, we propose magnitude-based features for the analysis of multispecies spatial data. Magnitude is a real-valued invariant of finite metric spaces that can be interpreted as an effective number of points, incorporating both spatial configuration and scale. We develop global and local magnitude feature vectors and demonstrate their utility on synthetic tumour microenvironment data, and in tissue microarray data from human colorectal cancer samples. Locally, the method identifies distinct neighbourhood types and reveals spatial heterogeneity; in the model, this includes radial patterns associated with different qualitative outcomes of the simulations, while in the real-world data it reflects the importance of tertiary lymphoid structure-like interactions between B and T cell populations. Globally, the approach recovers known classifications of long-term simulation outcomes across parameter regimes in synthetic data, and suggests important roles for CD4+ T cells and CD163+ macrophages in distinguishing patients with favourable Crohn's like reactions from unfavourable diffuse immune infiltration. Together, these results suggest that magnitude-based features provide a powerful and flexible tool for the analysis of multispecies spatial data.
Abstract（参考訳）: 多種間空間データは、生物医学的イメージング、地理空間分析、種生態学など、異なる実体間の相互作用がシステム行動の中心となる多くのアプリケーションで発生する。その重要性にもかかわらず、そのような相互作用を捉えるための定量的ツールが比較的少ない。本研究では,多種空間データ解析のための等級に基づく特徴量化手法を提案する。マグニチュード (Magnitude) は、有限距離空間の実数値不変量であり、空間構成とスケールの両方を取り入れて、有効数の点として解釈できる。我々は,ヒト大腸癌検体から得られた組織マイクロアレイデータと人工腫瘍マイクロ環境データに対して,グローバルおよび局所的な特徴ベクトルを開発し,その有用性を実証した。実世界のデータではB細胞とT細胞の3次リンパ構造様の相互作用の重要性を反映し, 局所的に異なる近傍のタイプを特定し, 空間的不均一性を明らかにする。この手法は、合成データ中のパラメーターレポジトリ間での長期シミュレーション結果の既知の分類を回収し、クローン様反応を好む患者と好まざる拡散性免疫浸潤を区別する上で、CD4+T細胞とCD163+マクロファージにとって重要な役割を示唆している。これらの結果から、等級に基づく特徴は、多種空間データ解析のための強力で柔軟なツールとなることが示唆された。

関連論文リスト

Uncovering spatial tissue domains and cell types in spatial omics through cross-scale profiling of cellular and genomic interactions [26.7111709393529]
本稿では,高速空間転写学解析の限界を克服するディープラーニングフレームワークであるCellScapeを提案する。 CellScapeは、組織空間における細胞間相互作用と細胞間のゲノム関係をモデル化し、包括的な表現を生成する。この技術は、空間領域のセグメンテーションを改善する生物学的に有意義なパターンを明らかにする。
論文参考訳（メタデータ） (2026-02-13T06:22:43Z)
Large-scale EM Benchmark for Multi-Organelle Instance Segmentation in the Wild [8.670858548670742]
本研究では, 多様なセルタイプにまたがる10万以上の2次元EM画像と, 実世界の変動を捉えた5つのオルガネラクラスからなる, マルチオルガネラインスタンスセグメンテーションのベンチマークを開発する。現在のモデルでは、異種EMデータの一般化に苦慮し、グローバルな分散形態を持つオルガネラでは性能が悪くなっている。これらの知見は,局所文脈モデルと実世界の変動性の存在下での長距離構造的連続性をモデル化する課題との根本的なミスマッチを浮き彫りにした。
論文参考訳（メタデータ） (2026-01-18T16:09:27Z)
SemanticST: Spatially Informed Semantic Graph Learning for Clustering, Integration, and Scalable Analysis of Spatial Transcriptomics [3.1403380447856426]
本稿では,空間転写学解析のためのグラフベースのディープラーニングフレームワークSemanticSTを提案する。ミニバッチトレーニングをサポートしており、Xenium(50,000セル)のような大規模データセットにスケーラブルなグラフニューラルネットワークとしては初めてのものだ。
論文参考訳（メタデータ） (2025-06-13T06:30:48Z)
Single-Cell Deep Clustering Method Assisted by Exogenous Gene Information: A Novel Approach to Identifying Cell Types [50.55583697209676]
我々は,細胞間のトポロジ的特徴を効率的に捉えるために,注目度の高いグラフオートエンコーダを開発した。クラスタリング過程において,両情報の集合を統合し,細胞と遺伝子の特徴を再構成し,識別的表現を生成する。本研究は、細胞の特徴と分布に関する知見を高め、疾患の早期診断と治療の基礎となる。
論文参考訳（メタデータ） (2023-11-28T09:14:55Z)
CLCLSA: Cross-omics Linked embedding with Contrastive Learning and Self Attention for multi-omics integration with incomplete multi-omics data [47.2764293508916]
不均一・高次元マルチオミクスデータの統合は、遺伝データの理解においてますます重要になっている。マルチオミクスデータ統合を行う際に直面する障害のひとつは、機器の感度とコストによる未ペアリングマルチオミクスデータの存在である。クロスオミクスを用いたマルチオミクス統合のための深層学習手法を提案する。
論文参考訳（メタデータ） (2023-04-12T00:22:18Z)
Data-Efficient Learning via Minimizing Hyperspherical Energy [48.47217827782576]
本稿では,少数の代表データを用いたスクラッチからのデータ効率学習の問題について考察する。我々は,MHEに基づくアクティブラーニング(MHEAL)アルゴリズムを提案し,MHEALの包括的な理論的保証を提供する。
論文参考訳（メタデータ） (2022-06-30T11:39:12Z)
MoReL: Multi-omics Relational Learning [26.484803417186384]
ヘテロジニアスビューの分子間相互作用をコードする多部グラフを効率的に推定する新しいディープベイズ生成モデルを提案する。このようなディープベイズ生成モデルにおける最適輸送正則化により、ビュー固有側情報を組み込むだけでなく、分布ベース正則化によるモデルの柔軟性も向上する。
論文参考訳（メタデータ） (2022-03-15T02:50:07Z)
Combining Observational and Randomized Data for Estimating Heterogeneous Treatment Effects [82.20189909620899]
不均一な治療効果を推定することは、多くの領域において重要な問題である。現在、現存するほとんどの作品は観測データにのみ依存している。本稿では、大量の観測データと少量のランダム化データを組み合わせることで、不均一な処理効果を推定する。
論文参考訳（メタデータ） (2022-02-25T18:59:54Z)
SubOmiEmbed: Self-supervised Representation Learning of Multi-omics Data for Cancer Type Classification [4.992154875028543]
マルチオミクスデータの統合と解析により腫瘍の広い視野が得られ,臨床診断の精度が向上する。 SubOmiEmbedは、非常に小さなネットワークを持つベースラインであるOmiEmbedに匹敵する結果を生成する。この作業は、突然変異に基づくゲノムデータを統合するために改善される。
論文参考訳（メタデータ） (2022-02-03T16:39:09Z)
The role of feature space in atomistic learning [62.997667081978825]
物理的にインスパイアされた記述子は、原子論シミュレーションへの機械学習技術の応用において重要な役割を果たしている。異なる記述子のセットを比較するためのフレームワークを導入し、メトリクスとカーネルを使ってそれらを変換するさまざまな方法を紹介します。原子密度のn-体相関から構築した表現を比較し,低次特徴の利用に伴う情報損失を定量的に評価した。
論文参考訳（メタデータ） (2020-09-06T14:12:09Z)
Modeling Shared Responses in Neuroimaging Studies through MultiView ICA [94.31804763196116]
被験者の大規模なコホートを含むグループ研究は、脳機能組織に関する一般的な結論を引き出す上で重要である。グループ研究のための新しい多視点独立成分分析モデルを提案し、各被験者のデータを共有独立音源と雑音の線形結合としてモデル化する。まず、fMRIデータを用いて、被験者間の共通音源の同定における感度の向上を示す。
論文参考訳（メタデータ） (2020-06-11T17:29:53Z)

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。