論文の概要: GeneSpeak-FP: Target and Compound Retrieval from Observed Cell-Level Perturbation Signatures
- arxiv url: http://arxiv.org/abs/2607.17671v1
- Date: Mon, 20 Jul 2026 08:22:44 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-21 18:48:37.547976
- Title: GeneSpeak-FP: Target and Compound Retrieval from Observed Cell-Level Perturbation Signatures
- Title（参考訳）: GeneSpeak-FP:観測細胞レベル摂動シグナルからの標的と化合物の検索
- Authors: Kseniia Vaniushkina, Jeongmin Lim, Jinyong Park,
- Abstract要約: クローズド・ライブラリ・セッティングのためのトランスフォーマー検索モデルであるモデルを提案する。
各入力は、1つの処理された細胞と細胞線特異的な平均DMSO参照を対比して形成される細胞レベルの摂動署名である。
マッピング対象アノテーションを用いたTahoe-100M条件の評価を行った。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Large-scale single-cell perturbation atlases make it possible to ask an inverse question: given an observed transcriptional response, which annotated targets and compounds in a fixed library are most consistent with that response? We present \model, a Transformer retrieval model for this closed-library setting. Each input is a cell-level perturbation signature formed by contrasting one treated cell with a cell-line-specific mean DMSO reference. The encoder maps the signature to a target-retrieval vector and a molecular-embedding vector, trained jointly with supervised target losses and structure--transcriptome alignment. We evaluate on Tahoe-100M conditions with mapped target annotations using a within-compound stratified 90/10 condition-pair split of 10,505 training and 1,168 validation drug--cell-line pairs. Because compounds and cell lines can occur in both partitions, the experiment measures held-out condition-pair retrieval rather than generalization to unseen compounds or cellular contexts. In a Monte Carlo evaluation over 38,400 sampled validation cells, \model\ achieved target Recall@10 of 0.408 and Recall@20 of 0.544, together with compound Hit@1 of 0.129, Hit@10 of 0.343, and mean reciprocal rank of 0.205 over a 379-compound bank. A separate diagnostic evaluation produced nearly identical values for the main model and large gains over a random-vector control and post-hoc bag-of-genes controls. These results demonstrate that a single multi-task model can recover both mapped target annotations and recorded compound identities from observed cell-level responses in the evaluated Tahoe-100M closed-library setting. Generalization to unseen compounds and cellular contexts remains to be established.
- Abstract（参考訳）: 大規模な単細胞摂動アトラスは、逆の質問をすることができる: 固定されたライブラリ内の注釈付きターゲットや化合物が、その応答と最も一致している、観察された転写応答を与えられた場合。
このクローズド・ライブラリ・セッティングのためのトランスフォーマー検索モデルである \model を提案する。
各入力は、1つの処理された細胞と細胞線特異的な平均DMSO参照を対比して形成される細胞レベルの摂動署名である。
エンコーダは、シグネチャをターゲット検索ベクターと分子埋め込みベクターにマッピングする。
対象アノテーションをマッピングしたTahoe-100M条件について,10,505のトレーニングと1,168の検証薬-細胞対からなる90/10条件ペア分割法を用いて検討した。
化合物と細胞株は両方のパーティションで起こりうるため、実験は、目に見えない化合物や細胞コンテキストへの一般化よりも、条件とペアの検索を保留する。
モンテカルロによる38,400以上のサンプル検証セルの評価では、Shamodel\が目標Recall@10が0.408、Recall@20が0.544、化合物Hit@1が0.129、hit@10が0.343、平均相反ランクが0.205に達した。
別個の診断評価により、主モデルのほぼ同じ値が得られ、ランダムベクター制御とポストホックバッグ・オブ・ジェネレーション制御よりも大きなゲインが得られた。
これらの結果から,タホ100Mクローズド・ライブラリ・セッティングにおいて,単一のマルチタスクモデルで観測されたセルレベルの応答から,マッピング対象アノテーションと記録された化合物の同一性の両方を復元できることが示唆された。
目に見えない化合物や細胞コンテキストへの一般化はまだ確立されていない。
関連論文リスト
- Score Distributions, Not Cells: Evaluating Single-Cell Perturbations Under Class Overlap [0.09558392439655013]
2つの摂動によって異なる細胞の集団が生成され、同時に個々の細胞がどちらの細胞に属しているかが重なり合う。
セル毎の精度はモデルの品質よりもこの重複を測定する。
この修正は、細胞によってではなく、全人口の摂動を評価することである。
論文 参考訳（メタデータ） (2026-07-06T01:47:02Z) - Modeling Cell-Cycle-Aware Single-Cell Drug Perturbation Responses [7.806328314748778]
scCycleMolは、24時間のSciPlex3ベンチマークに基づいて構築された、セルサイクル対応の摂動予測フレームワークである。
scCycleMolは、治療状態から細胞周期を誘導し、予測された発現に適用する。
論文 参考訳（メタデータ） (2026-06-29T01:57:40Z) - PerturbCellRL: Verifier-Guided Reinforcement Learning for Single-Cell Perturbation Prediction [28.013973806760976]
単細胞摂動モデルは、細胞が介入にどのように反応するかを予測することによって、コストのかかるウェットラブスクリーニングを減らすことができる。
PerturbCellRLは、事前訓練された単細胞転写生成器をポストトレーニングする強化学習フレームワークである。
複数の遺伝的および化学的摂動ベンチマークを用いてPerturbCellRLを評価した。
論文 参考訳（メタデータ） (2026-06-26T06:15:04Z) - FailureScope: Cross-Regime Behavioral Diagnosis of Language Model Weaknesses [0.0]
FailureScopeは、クロスモデルパス/フェイルパターンによる評価プローブをクラスタ化する行動診断手法である。
通常、シングルターン・ベンチマーク、マルチターン・ダイアログ、敵エージェント・アタックの3つのレシスタンスに対して安定かつ解釈可能な障害をもたらすことを示す。
論文 参考訳（メタデータ） (2026-06-03T01:28:00Z) - Chem-PerturBridge: a harmonized compendium of small molecule perturbation transcriptomic effects [4.860649440823431]
Chem-PerturBridgeは、37k以上の化合物、136の細胞コンテキスト、1.25Mの転写サンプルからなる、調和したマルチデータセット資源である。
このリソースを使用して、データセット間での一致条件の一致を評価し、データセット内での一致を再現します。
論文 参考訳（メタデータ） (2026-05-29T16:38:30Z) - Influence-Guided Symbolic Regression: Scientific Discovery via LLM-Driven Equation Search with Granular Feedback [56.69850045068714]
逐次的2段階プロセスとして方程式発見をフレーム化する方法である textitInfluence-Guided Regression (IGSR) を導入する。
LLM-SRBench, 薬理学的PKPDモデル, 疫学シミュレーション, 実世界のゲノムデータなど, IGSRの有効性を示す。
論文 参考訳（メタデータ） (2026-05-27T23:48:01Z) - MAT-Cell: A Multi-Agent Tree-Structured Reasoning Framework for Batch-Level Single-Cell Annotation [81.82645086402366]
MAT-Cellは,単細胞解析を構築的で検証可能な証明生成に再構成する,ニューロシンボリック推論フレームワークである。
MAT-Cellは、適応型レトリーバル増強生成(RAG)を通じて、生物学的公理の基底神経推論に象徴的な制約を注入し、転写ノイズを減少させる。
最先端のSOTA(State-of-the-art)モデルを大幅に上回り、挑戦的なシナリオにおいて堅牢なパフォーマンスを維持します。
論文 参考訳（メタデータ） (2026-04-07T04:56:06Z) - Lingshu-Cell: A generative cellular world model for transcriptome modeling toward virtual cells [48.885716676667776]
Lingshu-Cellは、転写状態の分布を学習し、摂動下で条件シミュレーションをサポートする離散拡散モデルである。
約18,000の遺伝子にまたがる複雑なトランスクリプトーム全体の発現依存性を、以前の遺伝子選択に頼らずに捕捉する。
これは、Virtual Cell Challenge H1遺伝子摂動ベンチマークにおいて、ヒトPBMCのサイトカイン誘発反応の予測において、主要な性能を発揮する。
論文 参考訳（メタデータ） (2026-03-26T09:46:27Z) - 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) - 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)
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。