Fugu-MT 論文翻訳(概要): Chem2Gen-Bench: Benchmarking Chemical-to-Genetic Translation in Perturbation Response Space

論文の概要: Chem2Gen-Bench: Benchmarking Chemical-to-Genetic Translation in Perturbation Response Space

arxiv url: http://arxiv.org/abs/2606.21109v1
Date: Fri, 19 Jun 2026 05:26:39 GMT
ステータス: 翻訳完了
システム内更新日: 2026-06-26 08:16:08.102922
Title: Chem2Gen-Bench: Benchmarking Chemical-to-Genetic Translation in Perturbation Response Space
Title（参考訳）: Chem2Gen-Bench:摂動応答空間における化学変換のベンチマーク
Authors: Yuxiang Lin, Ying Chen,
Abstract要約: Chem2Gen-Benchは260,084の化学物質と1,099,045の遺伝的摂動プロファイルからなるベンチマークである。 Chem2Gen-Benchは、化学的および遺伝的摂動が共有ターゲットに一致しているかどうかをテストするための監査可能なフレームワークを提供する。
参考スコア（独自算出の注目度）: 9.23894458335324
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Virtual-cell and perturbation models are increasingly used to predict cellular responses for biomedical discovery, but chemical and genetic perturbations are not automatically interchangeable. Existing evaluations often study chemical response prediction or genetic perturbation prediction separately, leaving target-matched chemical-to-genetic translation under-tested. We introduce Chem2Gen-Bench, a benchmark comprising 260,084 chemical and 1,099,045 genetic perturbation profiles organized into cell-target contexts, and evaluate pairwise alignment, retrieval, protocol covariate associations, feature spaces, and foundation-model embeddings. Across matched contexts, translation fidelity is measurable but heterogeneous; background adjustment increases the association between pairwise similarity and retrieval success, while paired tests show lower mean retrieval success after adjustment under the evaluated settings. In a target-matched K562 audit, the evaluated foundation-model embeddings did not consistently improve over gene-delta baselines. Chem2Gen-Bench provides an auditable framework for testing when chemical and genetic perturbations align around shared targets and when representation gains are supported by matched perturbation evidence.
Abstract（参考訳）: 仮想細胞と摂動モデルは、生物医学的な発見のための細胞応答を予測するためにますます使われているが、化学的および遺伝的摂動は自動的に交換できない。既存の評価では、化学反応予測や遺伝的摂動予測を別々に研究し、ターゲットマッチングされた化学から遺伝子への翻訳を未試験のまま残している。 260,084個の化学物質と1,099,045個の遺伝的摂動プロファイルからなるベンチマークであるChem2Gen-Benchを導入し、相互アライメント、検索、プロトコル共変量関連、特徴空間、基礎モデル埋め込みを評価した。一致した文脈全体では、翻訳の忠実度は測定可能であるが不均一であり、背景調整はペアの類似性と検索成功の関係を増大させる一方、ペアテストは評価された条件下での調整後の平均検索成功率を低下させる。標的適合型K562試験では, 基礎モデル埋め込みは遺伝子デルタベースラインよりも一貫して改善しなかった。 Chem2Gen-Benchは、化学的および遺伝的摂動が共有目標に一致し、表現ゲインが一致した摂動証拠によって支持されるときのテストが可能なフレームワークを提供する。

関連論文リスト

Plausibility Is Not Prediction: Contrastive Evidence for LLM-Based Cellular Perturbation Reasoning [27.902219493068824]
摂動実験は細胞機構の理解の中心である。それらは高価で疎いままであり、保存されていない状態に対する遺伝子発現応答の予測を動機付けている。証拠を関連摂動から肯定的・否定的な結果に整理することで,予測を比較課題として再編成するCOREを導入する。
論文参考訳（メタデータ） (2026-05-31T06:13:26Z)
Retrieval and competition: how a protein foundation model starts a protein [0.0]
タンパク質はメチオニンから始まり、ESM2-8Mが予測する計算経路を辿ることによって研究される。モデルは、マスクされた位置でメチオニンを検知しない。代わりに、位置特化クエリを介して、参照表現からメチオニンのフェービング信号を検索する。モデルの予測は、直接認識ではなく、分散計算回路によって媒介され、タスクの複雑さの増大は、モデルの信頼性と基礎となる生物学的証拠との関係をさらに曖昧にすることを示唆している。
論文参考訳（メタデータ） (2026-05-05T17:51:21Z)
Retrieval-Augmented Generation for Predicting Cellular Responses to Gene Perturbation [11.439588896862155]
PT-RAG(Perturbation-aware Two-stage Retrieval-Augmented Generation)は、レトリーバル-Augmented Generationを従来の言語モデルから細胞生物学まで拡張する新しいフレームワークである。本研究は,遺伝子摂動に対する細胞応答をモデル化するための将来的なパラダイムとして,検索増強世代を確立した。
論文参考訳（メタデータ） (2026-03-07T14:31:27Z)
MechPert: Mechanistic Consensus as an Inductive Bias for Unseen Perturbation Prediction [20.800722761287936]
MechPertは、エージェントが指示された規制仮説を生成することを奨励する軽量フレームワークである。低データ体制における摂動予測のために、MechPertは類似性に基づくベースラインよりもピアソン相関を最大10.5%改善した。実験的設計のために、MechPert選択アンカー遺伝子は、正常な細胞株において、標準ネットワーク中心性よりも最大46%優れていた。
論文参考訳（メタデータ） (2026-02-14T14:12:38Z)
Progressive Multi-Agent Reasoning for Biological Perturbation Prediction [32.71169480836875]
複雑な化学摂動下での標的遺伝子の制御を予測するための新しいベンチマークであるLINCSQAを提案する。また,PBio-Agentを提案する。PBio-Agentは,難易度を考慮したタスクシークエンシングと反復的知識の洗練を統合したマルチエージェントフレームワークである。私たちの重要な洞察は、同じ摂動によって影響を受ける遺伝子は因果構造を共有しており、自信を持って予測された遺伝子がより困難なケースを文脈化できるということです。
論文参考訳（メタデータ） (2026-02-07T06:59:44Z)
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)
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)
DISPROTBENCH: A Disorder-Aware, Task-Rich Benchmark for Evaluating Protein Structure Prediction in Realistic Biological Contexts [76.59606029593085]
DisProtBenchは、構造障害および複雑な生物学的条件下でタンパク質構造予測モデル(PSPM)を評価するためのベンチマークである。 DisProtBenchはデータの複雑さ、タスクの多様性、解釈可能性という3つの重要な軸にまたがっている。その結果,機能的予測障害と相関する低信頼領域を有する障害下でのモデルロバスト性に有意な変動が認められた。
論文参考訳（メタデータ） (2025-06-18T23:58:22Z)
GENERator: A Long-Context Generative Genomic Foundation Model [66.46537421135996]
本稿では,98k塩基対 (bp) と1.2Bパラメータからなるゲノム基盤モデル GENERator を提案する。 DNAの386Bbpからなる拡張データセットに基づいて、GENERatorは、確立されたベンチマークと新しく提案されたベンチマークの両方で最先端のパフォーマンスを実証する。また、特に特定のアクティビティプロファイルを持つエンハンサーシーケンスを即応的に生成することで、シーケンス最適化において大きな可能性を秘めている。
論文参考訳（メタデータ） (2025-02-11T05:39:49Z)
CausalBench: A Large-scale Benchmark for Network Inference from Single-cell Perturbation Data [61.088705993848606]
本稿では,実世界の介入データに対する因果推論手法を評価するベンチマークスイートCausalBenchを紹介する。 CaulBenchには、新しい分散ベースの介入メトリクスを含む、生物学的に動機付けられたパフォーマンスメトリクスが含まれている。
論文参考訳（メタデータ） (2022-10-31T13:04:07Z)

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。