論文の概要: SVC-Probe: A Framework for Evaluating Perturbation Generalization in Spatial Foundation-Model Embeddings

• arxiv url: http://arxiv.org/abs/2606.28465v1
• Date: Fri, 26 Jun 2026 13:46:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-30 18:07:15.577459
• Title: SVC-Probe: A Framework for Evaluating Perturbation Generalization in Spatial Foundation-Model Embeddings
• Title（参考訳）: SVC-Probe:空間モデル埋め込みにおける摂動一般化評価フレームワーク
• Abstract要約: 本研究では,蛍光顕微鏡画像から得られた空間基底モデル埋め込みの一般化について検討する。 本稿では,SVC-Probeについて紹介する。SVC-Probeは細胞内埋め込みアトラス安定性,Mondrian Neighborhood Graphs,Foundation Model Perturbation Probeを組み合わせた摂動認識フレームワークである。
• 参考スコア（独自算出の注目度）: 3.884856136722027
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This work examines perturbation generalization in spatial foundation-model embeddings derived from fluorescence microscopy images. Although these models can discriminate drug conditions accurately, it remains unclear whether the learned representations reflect patterns consistent with expected perturbation axes that transfer across drugs. We introduce SVC-Probe, a perturbation-aware framework that combines Subcellular Embedding Atlas Stability, Mondrian Neighborhood Graphs, and a Foundation Model Perturbation Probe to assess embedding stability, neighborhood rewiring, and centroid prediction under drug treatment. Applied to the CM4AI MDA-MB-468 chemical-perturbation atlas comprising 462 antibody labels and SubCell 1536-dimensional embeddings, SVC-Probe demonstrates that 98.6% three-way condition accuracy does not correlate with reliable cross-drug prediction, with cosine similarity diminishing from 0.944 in-domain to 0.30 under leave-one-drug-out evaluation, constituting a two-drug stress test rather than a general benchmark. Null calibration indicates that raw residual-turnover coupling is largely influenced by generic embedding structure, whereas a drug-specific signal emerges under vorinostat and is consistent with chromatin-related reorganization. In contrast, the paclitaxel axis is not robustly reconstructed, likely due to sparse coverage of microtubule-associated proteins. Together, these results introduce and demonstrate a reusable diagnostic framework for stress-testing spatial virtual-cell representations and indicate that perturbation generalization may serve as a stricter and more informative benchmark than baseline condition discrimination.
• Abstract（参考訳）: 本研究では, 蛍光顕微鏡画像から得られた空間基礎モデル埋め込みの摂動一般化について検討する。 これらのモデルでは、薬物の状態を正確に判別することができるが、学習された表現が、薬物間で伝達される予測摂動軸と整合したパターンを反映するかどうかは不明である。 SVC-Probeは, 薬物治療下での細胞内埋め込みアトラス安定性, Mondrian Neighborhood Graphs, Foundation Model Perturbation Probeを併用した摂動認識フレームワークである。 462の抗体ラベルと1536の埋め込みを含むCM4AI MDA-MB-468の化学摂動アトラスに適用すると、SVC-Probeは98.6%の3方向条件精度が信頼できるクロスドラッグ予測と相関しないことを示した。 核キャリブレーションは、生の残留-転位結合が一般的な埋め込み構造に大きく影響されていることを示しているが、薬物特異的なシグナルはリノスタットの下で出現し、クロマチン関連の再組織化と一致している。 対照的に、パクリタキセル軸は、おそらく微小管関連タンパク質のまばらな被覆のため、頑丈に再構成されていない。 これらの結果は,空間的仮想セル表現をストレステストするための再利用可能な診断フレームワークを導入し,また,摂動一般化がベースライン条件の識別よりも厳密かつより情報的なベンチマークとして機能することを示す。

関連論文リスト

• ToxLens: A Reproducible Graph-Learning Framework for Leakage-Aware, Uncertainty-Calibrated Molecular Toxicity Prediction [0.0]
  ToxLensは、エイムズ変異原性、急性口腔毒性、hERG阻害、およびTox21核受容体およびストレス応答アッセイにまたがる11の毒性エンドポイントのグラフ学習フレームワークである。 このワークフローは、保守的な化学キュレーション、球面排除フィルター、リーク対応のUMAP-HDBSCANスプリット、並列グラフ、グローバル機能エンコーダを組み合わせ、遅延結合と結合する。 漏れ制御テストフォールドでは、5シードのソフト発声アンサンブルがマシューズ相関係数スコア0.44、受信機動作特性曲線スコア0.83、受信機下領域を達成した。
  論文  参考訳（メタデータ） (2026-08-31T08:58:51Z)
• A Transportable Threshold-Based Framework for Interpretable Classification of Medical Data [2.8617273583721126]
  ブラックボックスモデルは、医療における人工知能の採用を制限する。 我々は、完全に解釈可能なルールベースの臨床分類を提供する統計的基盤の枠組みを導入する。
  論文  参考訳（メタデータ） (2026-07-16T18:48:19Z)
• Phenotyping TPF via Self-Supervised Learning: A Label-Agnostic Framework with Expert Validation [2.201241345037463]
  我々は、観測者指定のラベルなしで、画像データから直接フラクチャー表現を学習するためのラベルに依存しないフレームワークを設計、実装、検証する。 RadImageNet-pretrained ResNet-50 encoderは154個の膝X線写真に微調整されている。 ラベルに依存しないSSL表現は,従来の分類を再現し,臨床的に解釈可能な補完であることを示す。
  論文  参考訳（メタデータ） (2026-06-15T21:04:31Z)
• Beyond Point Estimates: Benchmarking Uncertainty Quantification Methods on the AION-1 Astronomical Foundation Model [47.71489969727656]
  Conformalized Quantile Regression (CQR)は、最も貧弱なモデル予測で、ビン内で最高のカバレッジを提供する。 局所的妥当性判別(Locally Valid and Discriminative, LVD)フレームワークのみが、有限サンプルの局所的妥当性を提供する。
  論文  参考訳（メタデータ） (2026-06-05T18:29:19Z)
• 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)
• Heterogeneous Ordinal Structure Learning with Bayesian Nonparametric Complexity Discovery [1.089614199781423]
  既存の順序構造学習者は、すべての回答者に対して共有指向非巡回グラフ(DAG)を仮定する。 最近の順序的グラフィカルモデルアプローチは、クラスタ固有のDAG推定ではなく、サブグループ発見に焦点を当てている。
  論文  参考訳（メタデータ） (2026-05-05T18:32:49Z)
• SCALE:Scalable Conditional Atlas-Level Endpoint transport for virtual cell perturbation prediction [46.645872209565574]
  仮想セル摂動予測のための大規模基盤モデルを提案する。 まず、データスループットを大幅に改善するBioNeMoベースのトレーニングおよび推論フレームワークを構築します。 第二に、摂動予測を条件付き輸送として定式化し、それをセットアウェアフローアーキテクチャで実装する。 第3に,生物学的に有意な指標に基づく厳密なセルレベルプロトコルを用いて,Tahoe-100Mのモデルを評価する。
  論文  参考訳（メタデータ） (2026-03-18T05:51:08Z)
• Suppressing Prior-Comparison Hallucinations in Radiology Report Generation via Semantically Decoupled Latent Steering [94.37535002230504]
  本研究では,Semantically Decoupled Latent Steeringと呼ばれる学習自由な推論時間制御フレームワークを開発した。 提案手法は,大言語モデル (LLM) による意味分解による意味のない介入ベクトルを構築する。 本手法は歴史的幻覚の可能性を著しく低下させることを示す。
  論文  参考訳（メタデータ） (2026-02-27T04:49:01Z)
• On the Structural Non-Preservation of Epistemic Behaviour under Policy Transformation [51.56484100374058]
  このような情報条件の相互作用パターンを振る舞い依存として定式化する。 これにより、$$-behavioural equivalenceというプローブ相対的な概念と、政治内行動距離が導かれる。 その結果、共通政策変換の下でプローブ条件の挙動分離が保存されない構造条件が明らかになった。
  論文  参考訳（メタデータ） (2026-02-24T22:55:21Z)
• ClinNet: Evidential Ordinal Regression with Bilateral Asymmetry and Prototype Memory for Knee Osteoarthritis Grading [3.337151338735509]
  X線画像に基づく膝関節症(KOA)の診断は極めて難しい課題である。 本研究では, KOA グレーディングに対処する信頼性の高い新しいフレームワーク ClinNet を提案する。
  論文  参考訳（メタデータ） (2026-01-24T05:49:41Z)
• Linearized Optimal Transport for Analysis of High-Dimensional Point-Cloud and Single-Cell Data [45.87606039212519]
  シングルセル技術は、細胞の高次元点雲を生成する。 各患者は単純なベクトルではなく不規則な点雲で表される。 線形最適輸送フレームワークを用いて不規則点雲を固定次元ユークリッド空間に埋め込む。
  論文  参考訳（メタデータ） (2025-10-24T21:33:12Z)
• 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)
• CRTRE: Causal Rule Generation with Target Trial Emulation Framework [47.2836994469923]
  ターゲットトライアルエミュレーションフレームワーク(CRTRE)を用いた因果ルール生成という新しい手法を提案する。 CRTREは、アソシエーションルールの因果効果を推定するためにランダム化トライアル設計原則を適用している。 次に、病気発症予測などの下流アプリケーションにそのような関連ルールを組み込む。
  論文  参考訳（メタデータ） (2024-11-10T02:40:06Z)

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。