論文の概要: A multiverse-consensus pipeline for reproducible feature selection in untargeted LC-MS metabolomics
- arxiv url: http://arxiv.org/abs/2607.17345v1
- Date: Sun, 19 Jul 2026 17:14:17 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-21 18:48:37.433619
- Title: A multiverse-consensus pipeline for reproducible feature selection in untargeted LC-MS metabolomics
- Title（参考訳）: LC-MSメタボロミクスにおける再現可能な特徴選択のための多値接続パイプライン
- Abstract要約: LC-MSメタボロミクスは、多くの事前処理決定を必要とする。
目的のないメタボロミクスの特徴選択に多変量解析を適用する。
- 参考スコア（独自算出の注目度）: 1.452875650827562
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Background: Untargeted LC-MS metabolomics requires a long chain of preprocessing decisions, each with several equally defensible options. Analysts typically commit to one pipeline and report the resulting feature shortlist. How strongly that shortlist depends on choices that were never varied stays invisible. Results: We adapt multiverse analysis to untargeted metabolomics feature selection. We present an auditable, configuration-driven pipeline that (i) applies a ten-stage quality-control filter cascade in which every feature's fate is logged, and (ii) runs the downstream analysis as a multiverse over four contrasting preprocessing philosophies, each combined with four feature-ranking methods under bootstrap stability selection and label-permutation testing. Only features recurring across paths enter a tiered consensus. On a demonstration dataset of five breast-cancer cell lines (30,370 detected features), the four single pipelines individually returned shortlists of 4-20 features whose pairwise agreement was as low as Jaccard = 0.05. The multiverse consensus retained 15 features (>=2/4 paths), of which one recurred across all four, although two paths (sharing normalization and drift-correction methods) dominate the consensus. A pipeline-wide label-permutation test found no false discoveries in 50 null permutations. Conclusions: Reporting only preprocessing-robust features, with a complete kept/dropped audit trail, converts hidden analytical degrees of freedom into an explicit, inspectable output. We discuss scope and limitations, including single-batch design and the need for independent validation.
- Abstract（参考訳）: 背景:未ターゲティングLC-MSメタボロミクスは、それぞれが等しく保護可能な選択肢を持つ、多くの事前処理決定を必要とする。
アナリストは通常、1つのパイプラインにコミットし、その結果のフィーチャーショートリストを報告します。
ショートリストがいかに強く依存するかは、決して変わらなかった選択が目に見えないままである。
結果: 目的のないメタボロミクスの特徴選択に多変量解析を適用した。
監査可能な構成駆動パイプラインを提示する。
(i)全ての特徴の運命が記録された10段品質制御フィルタカスケードを適用し、
(II) ブートストラップ安定性の選択とラベル置換試験の4つの特徴量評価手法を併用し, コントラスト前処理哲学を多元的手法として下流解析を行う。
経路をまたいで繰り返される機能だけが、結びついたコンセンサスに入る。
5つの乳がん細胞株(30,370個の検出された特徴)のデモンストレーションデータセットでは、4つの単一パイプラインがそれぞれJaccard = 0.05と低い4-20個の特徴のショートリストをそれぞれ返却した。
マルチバースコンセンサスでは15の特徴(>=2/4パス)が保持され,そのうち1つは4つの経路(正規化法とドリフト補正法)がコンセンサスを支配した。
パイプライン全体のラベル置換テストでは、50個のヌル置換に誤った発見は見つからなかった。
結論: 未処理のロバストな機能のみを報告し、完全に保持/ドロップされた監査パスを持ち、隠された分析的自由度を明示的で検査可能な出力に変換する。
単一バッチ設計や独立した検証の必要性など、スコープと制限について議論する。
関連論文リスト
- Threshold Choice, Not Sample Size, Bounds Trustless Verification of Nondeterministic Compound AI Workflows [0.0]
複合AIパイプライン LLMコール、レトリバー、ツールは非決定論的である。
各ステージのインプット、アウトプット、コンテキストのダイジェストをコミットします。
合成HotpotQAパイプラインでは、校正された固定しきい値が45個の正直な複製のうち44個を受け入れ、105個の発散ペアのうち104個を拒絶する。
論文 参考訳（メタデータ） (2026-09-07T22:10:54Z) - Disagree to Explore, Agree to Commit: Routing-Guided Test-Time Scaling for Software Agents [60.650808962786364]
外部判断や選択時間テストの実行なしに,ネイティブなMoEルータトレースがステアリングと選択をガイドできるかどうかを検討する。
我々の分析は、ルーティングが堅牢な行動的役割シグナルを提供することを示している。トークン・グラニュラ・リードアウトと決定整合比較セットは、ルーティングを効果的に制御する。
オープンウェイトスパースMOEエージェントを用いたSWEベンチ検証を行い,評価を行った。
論文 参考訳（メタデータ） (2026-08-23T03:07:03Z) - Quantifying the Sources of Instability in LLM-Based Stance Analysis of Public Discourse [4.093009863847175]
不安定性の2つの異なる源は、パイプラインが同じ入力から異なる出力を生成する際に生じる。
5つのドメインから41のパブリックフィギュアを対象とする256のYouTubeインタビューを用いて、2つの話者ダイアリゼーションパイプラインと2つの測定方法を比較した。
プレプロセスパイプラインの感度は、限られたビデオサンプルを持つ話者に集中していることがわかった。
論文 参考訳（メタデータ） (2026-07-12T17:15:36Z) - Dynamic Bidirectional Pattern Memory: A Production-Scale Empirical Characterisation of Inference-Time Gating in Clinical NLP [0.0]
実運用規模の自然言語処理(NLP)パイプラインにおける推論時パターンメモリゲーティングについて検討した。
パイプラインは、ジェネレータ(Llama-3.3 70B)と検証器(MMed-Llama-3.1 70B)とをペアにして抽出を承認または拒否する。
論文 参考訳（メタデータ） (2026-07-01T12:34:30Z) - CRAFTIIF: Cross-Resolution Analytic Four-Type Interpretable Isolation Forest for Multivariate Time Series Anomaly Detection [0.0]
CRAFTIIF (Cross-Resolution Analytic Four-Type Interpretable isolation Forest) は、データセット固有のチューニングなしで4つのタイプすべてをターゲットにした、完全に教師なしのフレームワークである。
適応型Osto/MAD閾値は、異常率0.1%から69.2%の自動検出を校正する。
mTSBenchベンチマークの全19データセットで評価した。
論文 参考訳（メタデータ） (2026-06-11T15:36:14Z) - Closed-Form Spectral Regularization for Multi-Task Model Merging [96.82449201305234]
モデルマージは、個別に調整された複数の専門家をトレーニングデータなしで単一のマルチタスクモデルに結合する。
State-of-the-art merging method formulate merging as a layer-wise interference problem。
本稿では,逐次降下の勾配-流路に一致するソフト指数フィルタを組み合わせた閉形式手法SWUDIを提案する。
論文 参考訳（メタデータ） (2026-06-05T14:00:47Z) - Pairwise matrices for sparse autoencoders: single-feature inspection mislabels causal axes [2.741152471987327]
標準スパースオートエンコーダプロトコルは、各機能をトップアクティベーションコンテキストからラベル付けし、単一機能ステアリングによって検証する。
本稿では,Qwen3-1.7B-Instruct上での標準ワンコーナプロトコルミスをGemma-2-2B-itで再現した,ペアワイズ行列プロトコルと共変ステアリング係数を提案する。
これら3つの所見はGemmaでモデル特異的な損傷シグネチャを再現し,一致した形状制御はCIを10倍に分離する。
論文 参考訳（メタデータ） (2026-05-04T21:11:21Z) - DeepShapeMatchingKit: Accelerated Functional Map Solver and Shape Matching Pipelines Revisited [48.627686484608525]
標準関数写像実装は、高スペクトル分解能の計算ボトルネックである k 個の独立線型系を直列に解く。
本稿では,最大33倍の高速化を達成し,すべてのシステムを単一カーネルコールで解くベクトル化再構成を提案する。
我々は、これらの改善を取り入れたオープンソースのDeepShapeMatchingKitを紹介し、共通の深部形状マッチング方法のためのトレーニング、評価、データパイプラインを標準化する。
論文 参考訳（メタデータ） (2026-04-11T23:15:07Z) - Eigen-1: Adaptive Multi-Agent Refinement with Monitor-Based RAG for Scientific Reasoning [53.45095336430027]
暗黙的な検索と構造化された協調を組み合わせた統合フレームワークを開発する。
Humanity's Last Exam (HLE) Bio/Chem Goldでは,48.3%の精度を実現している。
SuperGPQAとTRQAの結果はドメイン間の堅牢性を確認した。
論文 参考訳（メタデータ） (2025-09-25T14:05:55Z) - Semi-DETR: Semi-Supervised Object Detection with Detection Transformers [105.45018934087076]
半教師付き物体検出(SSOD)におけるDETRに基づくフレームワークの解析
本報告では,第1次変圧器を用いたエンド・ツー・エンド半教師対象検出器であるSemi-DETRについて述べる。
我々の手法は、最先端の手法をクリアマージンで上回る。
論文 参考訳（メタデータ） (2023-07-16T16:32:14Z) - MFNet: Multi-filter Directive Network for Weakly Supervised Salient
Object Detection [104.0177412274975]
安価なアノテーションのみを使用して、CNNベースのサリエンシネットワークをトレーニングするための、弱教師付きサリエントオブジェクト検出(WSOD)ターゲット。
既存のWSOD手法は、低コストなアノテーションから単一の「高品質」擬似ラベルを追求し、それらのサリエンシネットワークを開発するために様々な手法を採用している。
我々は,複数のラベルからより包括的で正確なサリエンシ・キューを統合するために,新しいマルチ擬似ラベルフレームワークを導入する。
論文 参考訳（メタデータ） (2021-12-03T06:12:42Z) - Infinite Feature Selection: A Graph-based Feature Filtering Approach [78.63188057505012]
グラフ内の経路として特徴のサブセットを考慮したフィルタリング機能選択フレームワークを提案する。
無限に進むことで、選択プロセスの計算複雑性を制限できる。
Inf-FSはほとんどどんな状況でも、つまり、保持するフィーチャの数が優先順位に固定されているときに、より良く振る舞うことを示す。
論文 参考訳（メタデータ） (2020-06-15T07:20:40Z)
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。