論文の概要: CisTransCell: Single-Cell Perturbation Prediction via Gene Function, Regulatory Control, and Cellular Context

• arxiv url: http://arxiv.org/abs/2606.13713v1
• Date: Wed, 10 Jun 2026 20:40:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-15 16:00:42.514478
• Title: CisTransCell: Single-Cell Perturbation Prediction via Gene Function, Regulatory Control, and Cellular Context
• Title（参考訳）: CisTransCell:遺伝子機能、調節制御、セルコンテキストによる単セル摂動予測
• Authors: Wei Zhang, Xun Jiang, Yuesi Xi, Ming Tang,
• Abstract要約: CisTransCellは単一セル摂動予測のためのセル条件のマルチモーダルフレームワークである。 それぞれの遺伝子に2つの相補的前駆的前駆的前駆的前駆的前駆的前駆的前駆的前駆的前駆的前駆的前駆的前駆的前駆的前駆的前駆的前駆的前駆的前駆的前駆的前駆的前駆的前駆的前駆的前駆的前駆的前駆的前駆的前駆的前駆的前駆的前駆的前駆的前駆的前駆的前駆的前駆的前駆的前駆的前駆的前駆的前駆的前駆的前駆的前駆的 ベンチマークシングルセル摂動データセットの実験により、CitTransCellはゼロショット摂動予測において強い性能を発揮することが示された。
• 参考スコア（独自算出の注目度）: 10.265928519599626
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Predicting cellular transcriptional responses to genetic perturbations is a central problem in single-cell biology, especially in the zero-shot setting where the perturbed gene or gene combination is unseen during training. A major difficulty is that perturbation effects are not determined by expression state alone: they depend on how the perturbed gene product influences other genes and proteins, how those downstream factors act on cis-regulatory elements, and which regulatory programs are active in the current cell state. To better capture this biological complexity, we propose CisTransCell, a cell-conditioned multi-modal framework for single-cell perturbation prediction that augments each gene with two complementary priors: a regulatory-sequence prior that captures how the gene is controlled, and a coding-sequence prior that captures what the gene product does. By integrating these priors with cellular expression state, CisTransCell models perturbation response as a cascade from gene function to regulatory control to downstream transcriptional change. Experiments on benchmark single-cell perturbation datasets show that CisTransCell achieves strong performance in zero-shot perturbation prediction.
• Abstract（参考訳）: 遺伝子摂動に対する細胞転写応答の予測は、単細胞生物学、特に摂動遺伝子や遺伝子の組み合わせが訓練中に見えないゼロショット環境では中心的な問題である。 摂動効果は発現状態だけでは決定されず、摂動された遺伝子産物が他の遺伝子やタンパク質にどのように影響するか、下流の因子がシス調節エレメントにどのように作用するか、現在の細胞でどの制御プログラムが活動しているかに依存する。 この生物学的複雑性をより正確に把握するために、我々は、単一細胞摂動予測のための細胞条件付きマルチモーダルフレームワークであるCitTransCellを提案する。 これらの前駆体を細胞の発現状態と統合することにより、シストランスセルは、遺伝子機能から下流の転写変化への調節制御までのカスケードとして摂動応答をモデル化する。 ベンチマークシングルセル摂動データセットの実験により、CitTransCellはゼロショット摂動予測において強い性能を発揮することが示された。

関連論文リスト

• OCOO-T : A Simple and Scalable Virtual Cell Model for Transcriptional Perturbation Response Prediction [0.8574682463936006]
  本稿では,摂動応答予測のための流れマッチング型AIVCモデルであるOCOO-Tを紹介する。 OCOO-Tは摂動応答予測を連続的デノナイジングプロセスとして定式化する。 様々な摂動や細胞タイプにまたがって最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2026-06-11T03:04:38Z)
• STRAND: Sequence-Conditioned Transport for Single-Cell Perturbations [31.08466183513241]
  STRANDは、制御DNA配列の条件付けによって単一細胞の応答を予測する生成モデルである。 配列による摂動を表現することは、遺伝子識別子の固定セットではなく、訓練中に見えないlociでのゼロショット推論をサポートする。 K562, Jurkat, RPE1細胞におけるCRISPR摂動データセットのSTRANDを評価する。
  論文  参考訳（メタデータ） (2026-02-10T00:57:38Z)
• Beyond Independent Genes: Learning Module-Inductive Representations for Gene Perturbation Prediction [48.80217316452559]
  scBIGは、協調した遺伝子プログラムを明示的にモデル化するモジュール誘導予測フレームワークである。 scBIGは、特に目に見えない、摂動的な設定において、最先端のメソッドを一貫して上回る。
  論文  参考訳（メタデータ） (2026-02-03T16:43:40Z)
• GRAPE: Heterogeneous Graph Representation Learning for Genetic Perturbation with Coding and Non-Coding Biotype [51.58774936662233]
  遺伝子制御ネットワーク(GRN)の構築は、遺伝的摂動の影響を理解し予測するために不可欠である。 本研究では,事前学習した大規模言語モデルとDNAシークエンスモデルを用いて,遺伝子記述やDNAシークエンスデータから特徴を抽出する。 我々は、遺伝子摂動において初めて遺伝子バイオタイプ情報を導入し、細胞プロセスの制御において異なるバイオタイプを持つ遺伝子の異なる役割をシミュレートした。
  論文  参考訳（メタデータ） (2025-05-06T03:35:24Z)
• A scalable gene network model of regulatory dynamics in single cells [88.48246132084441]
  本稿では,遺伝子ネットワーク構造を結合微分方程式に組み込んで,遺伝子制御関数をモデル化する機能的学習可能モデルFLeCSを提案する。 FLeCS は (pseudo) 時系列の単一セルデータから, セルの動態を正確に推定する。
  論文  参考訳（メタデータ） (2025-03-25T19:19:21Z)
• 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)
• Multi-modal Self-supervised Pre-training for Regulatory Genome Across Cell Types [75.65676405302105]
  我々は、GeneBERTと呼ばれる、多モードかつ自己管理的な方法でゲノムデータを事前学習するための、単純かつ効果的なアプローチを提案する。 我々はATAC-seqデータセットで1700万のゲノム配列でモデルを事前訓練する。
  論文  参考訳（メタデータ） (2021-10-11T12:48:44Z)
• Identification of Biomarkers Controlling Cell Fate In Blood Cell Development [0.0]
  血液細胞系統は、多能性幹細胞または多能性幹細胞から終末分化状態までの連続した発達段階から成り立っている。 人間の生物学において重要であるにもかかわらず、これらの分化過程を管理する調節経路や遺伝子ネットワークは、まだ完全には理解されていない。 本稿では,細胞系統の分化経路に沿ってグローバルレギュレータが露出する特徴的発現ピークパターンを同定するための新しい階層的アプローチを提案する。
  論文  参考訳（メタデータ） (2020-09-17T13:43:53Z)

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。