論文の概要: BRIDGE: Bottleneck-Aware Regulator-Set Inference and Diagnosis for Cooperative Gene Regulatory Recovery

• arxiv url: http://arxiv.org/abs/2607.18602v1
• Date: Tue, 21 Jul 2026 00:31:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-22 19:05:05.282408
• Title: BRIDGE: Bottleneck-Aware Regulator-Set Inference and Diagnosis for Cooperative Gene Regulatory Recovery
• Title（参考訳）: BRIDGE:Bottleneck-Aware Regulator-Set Inference and diagnosis for cooperative gene Regulatory recovery
• Abstract要約: Bottleneck-Aware Regulator-Set Inference and Diagnosis (BRIDGE)は、完全なレギュレータセット回復のためのフレームワークである。 TRACEは、検索、セットレベルのスコアリング、デコード、評価ボトルネックに障害を原因付ける診断スイートである。 30回にわたるシード協調設定では、Residual HOS2はJaccardの類似性を0.382から0.460に改善し、0.522から0.597にリコールし、分解可能なペアセットスコアで0.053から0.113に正確なリカバリを行う。
• 参考スコア（独自算出の注目度）: 2.8410059035029955
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Cooperative gene regulation often depends on groups of regulators acting jointly, but most gene regulatory network (GRN) inference methods output pairwise regulator-target rankings. We introduce Bottleneck-Aware Regulator-Set Inference and Diagnosis (BRIDGE), a framework for complete regulator-set recovery, and Targeted Recovery Attribution for Cooperative Evaluation (TRACE), a diagnostic suite that attributes failures to retrieval, set-level scoring, decoding, and evaluation bottlenecks. TRACE includes a leak-free mechanism-mismatch cooperativity stress test in which cooperative targets are generated by random nonlinear mechanisms rather than product interactions. This design avoids feature-mechanism circularity: Residual higher-order set scoring (Residual HOS2) operates on raw expression vectors without handcrafted product-correlation features. Across 30 matched seed-cooperativity settings, Residual HOS2 improves Jaccard similarity from 0.382 to 0.460, recall from 0.522 to 0.597, and exact recovery from 0.053 to 0.113 over a decomposable pairwise set scorer (PairS2), although exact recovery remains low. On SERGIO DS3, oracle retrieval and TRACE show that candidate coverage is necessary but insufficient because set-level misranking remains the dominant source of exact-recovery failure. PairS2 proposal followed by Residual HOS2 reranking reduces HOS2-scored candidate sets by 94-97% while largely preserving exact-recovery behavior. These results distinguish edge ranking, candidate retrieval, set-level scoring, and exact cooperative regulator-set recovery as separate objectives.
• Abstract（参考訳）: 協調的な遺伝子制御は、しばしば共同で行動する規制当局のグループに依存するが、ほとんどの遺伝子制御ネットワーク(GRN)推論手法は、ペアワイズ・レギュレーション・ターゲットランキングを出力する。 本稿では,完全なレギュレータ・セット・リカバリのためのフレームワークであるBottleneck-Aware Regulator-Set Inference and Diagnosis (BRIDGE)と,検索,セットレベルのスコアリング,復号化,評価ボトルネックに障害を原因付ける診断スイートであるTRACE(Targeted Recovery Attribution for Cooperative Evaluation)を紹介する。 TRACEには漏れのない機構ミスマッチ協調性ストレステストが含まれており、製品間相互作用ではなくランダムな非線形メカニズムによって協調目標が生成される。 残留高次集合スコアリング (Residual High-order set score) (Residual HOS2) は、手作りの製品相関機能を持たない生表現ベクトルで動作する。 30回にわたる種子協調設定では、Residual HOS2はジャカードの類似性を0.382から0.460に改善し、0.522から0.597にリコールし、分解可能なペアセットスコア(PairS2)よりも0.053から0.113に正確にリカバリするが、正確なリカバリは低い。 SERGIO DS3において、オラクル検索とTRACEは、設定レベルのミスグレードが正確な回復失敗の原因となっているため、候補カバレッジは必要だが不十分であることを示した。 PairS2 の提案に続いて Residual HOS2 は HOS2 で表される候補セットを94-97%削減するが、正確な回復行動はほとんど保存される。 これらの結果は, エッジランキング, 候補検索, セットレベルスコア, 正確な協調レギュレータ・セット・リカバリを, 個別の目的として区別する。

関連論文リスト

• A Controlled Audit of Architectural Complexity in Uncertainty-Aware Multi-Organ Ultrasound Classification [19.598719060464866]
  多臓器超音波分類器は、注意力、熟練者の混在、不確実性ゲーティング、そして明らかな深層学習(EDL)の目的を組み合わさりつつある。 本稿では,最大公示候補であるFull-EDLと簡易な代替品との展開決定に応用した,制御された複雑性監査フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-08-28T08:30:43Z)
• PECR: A Reproducible Specification and Synthetic Stress Test of Telemetry-Informed Vulnerability Prioritization for SD-WAN [0.0]
  本稿では,PECR(Predictive Exposure and Cryptographic Readiness)について述べる。 PECRは、9つの正常化された重症度、脅威、到達可能性、および結果要因を組み合わせる。 実際の成果ラベルは使用されないため、予測精度、損失回避、生産効率は確立しない。
  論文  参考訳（メタデータ） (2026-08-04T04:30:18Z)
• From Geometric Recovery to Causal Validation: A Reproducible Audit of Sparse Autoencoder Features, from Superposition Geometry to Causal Inertness [0.0]
  スパースオートエンコーダ(SAE)は、重畳された神経表現を解釈可能な特徴に分解する標準である。 これはデコーダ・ジオメトリーアライメントとエンコーダ・アクティベーションの2つの異なるクレームを示す。 本手法は,決定論的パイプラインを持つモデル非依存の楽器であるsae-causal-auditとしてパッケージ化する。
  論文  参考訳（メタデータ） (2026-07-13T21:18:52Z)
• Modeling Normal Is All You Need: Joint Latent Clustering for Anomaly Detection in Multimodal Cyber-Physical Systems [47.027290803102666]
  通常の行動は、多くの不均衡で、曲がりくねった、細い範囲の運営体制の結合である。 我々は正規法則を、共同学習された潜在表現と明示的なガウス混合モードクラスタリングでモデル化する。 ポイント調整のない生のポイントワイドメトリクス、自明な検出困難分割、頻度整合F1、列車正規化のみのキャリブレーションを意図的に評価する。
  論文  参考訳（メタデータ） (2026-07-07T10:10:00Z)
• REPAIR-Bench: A Benchmark for Robot Error Perception And Interaction Recovery [0.0]
  現在ベンチは41人の参加者による214の相互作用試験に基づいて構築されている。 ベンチマークは4つの誘発された障害タイプにまたがり、同期された顔アクションユニット、ヘッドポーズ、音声書き起こし、および後アクションの影響と回復レポートを提供する。
  論文  参考訳（メタデータ） (2026-06-29T08:14:27Z)
• What Accuracy and Gradient Cosine Miss: Evaluating Feedback Alignment via Scale Stability, Reference Validity, and Depth Utility [48.10132234701036]
  本稿では,3つのチェック(スケール安定性,参照妥当性,深度ユーティリティ)に基づく診断評価プロトコルを提案する。 複数のアーキテクチャや手法にまたがって、我々のプロトコルは広い校正マージンを持つ全ての障害を識別する。
  論文  参考訳（メタデータ） (2026-06-19T06:04:17Z)
• Healthcare Mechanisms from Policy-as-Code Search under Strategic Provider Response [42.72816209582705]
  Medi-Simは5つの戦略的プロバイダチャネル(コーディング、選択、遅延、労力、トリアージ)を備えたマルチエージェントシミュレータである。 インセンティブ・スイープは、隣接するレジームとして古典的な健康・経済の発見を回復させる。 単一の監査レバーは、圧力移動を露呈する。コーディングチャネルを閉じると、低複雑さの選択が倍になる。
  論文  参考訳（メタデータ） (2026-05-29T00:21:54Z)
• Counterfactual Peptide Editing for Causal TCR--pMHC Binding Inference [0.0]
  TCR-pMHC結合予測のためのニューラルネットワークは、ショートカット学習の影響を受けやすい。 本稿では,生物学的に制約された反事実ペプチド編集を生成するトレーニングフレームワークであるemphCounterfactual Invariant Prediction (CIP)を紹介する。
  論文  参考訳（メタデータ） (2026-04-14T19:40:46Z)
• DeFRiS: Silo-Cooperative IoT Applications Scheduling via Decentralized Federated Reinforcement Learning [62.347535250646196]
  本稿では、ロバストでスケーラブルなシロコラボ型IoTアプリケーションスケジューリングのための分散フェデレーション強化学習フレームワークであるDeFRiSを提案する。 DeFRiSは、(i)異種サイロ間のシームレスな知識伝達を可能にするための候補資源スコアを利用したアクション空間非依存ポリシー、(ii)汎用アドバンテージ推定とクリッピングされたポリシー更新を組み合わせたサイロ最適化ローカル学習メカニズム、(iii)類似性認識の知識伝達と異常検出に勾配指紋を利用するDual-Track Non-IIDロバストな分散集約プロトコル、の3つのイノベーションを統合する。
  論文  参考訳（メタデータ） (2026-03-16T02:02:38Z)
• CARE What Fails: Contrastive Anchored-REflection for Verifiable Multimodal [84.71254539482369]
  検証可能な報酬を伴うグループ相対的強化学習(RLVR)は、しばしば、すでに失敗している最も情報に富むデータを浪費する。 エラーを監督するマルチモーダル推論のための,障害中心のポストトレーニングフレームワークであるCAREを提案する。 CAREは正確さを改善し、スムーズさをトレーニングすると同時に、障害からの学習信号のシェアを明示的に増やします。
  論文  参考訳（メタデータ） (2025-12-22T16:34:21Z)
• Unsupervised Conformal Inference: Bootstrapping and Alignment to Control LLM Uncertainty [49.19257648205146]
  生成のための教師なし共形推論フレームワークを提案する。 我々のゲートは、分断されたUPPよりも厳密で安定した閾値を提供する。 その結果は、ラベルのない、API互換の、テスト時間フィルタリングのゲートになる。
  論文  参考訳（メタデータ） (2025-09-26T23:40:47Z)
• Dual-Mode Deep Anomaly Detection for Medical Manufacturing: Structural Similarity and Feature Distance [2.467339701756281]
  本稿では,2つの注意誘導型オートエンコーダアーキテクチャを提案する。 1つ目は、軽量でリアルタイムな欠陥検出を可能にする構造的類似性に基づくスコアリングアプローチである。 第二に、Mahalanobis を用いた特徴距離ベースの戦略を、遅延特性の低減に応用する。
  論文  参考訳（メタデータ） (2025-09-06T18:17:40Z)
• Label Distributionally Robust Losses for Multi-class Classification: Consistency, Robustness and Adaptivity [55.29408396918968]
  多クラス分類のためのラベル分布ロバスト(LDR)損失という損失関数群について検討した。 我々の貢献は、多クラス分類のためのLDR損失のトップ$kの一貫性を確立することによって、一貫性と堅牢性の両方を含んでいる。 本稿では,各インスタンスのクラスラベルの雑音度に個別化温度パラメータを自動的に適応させる適応型LDR損失を提案する。
  論文  参考訳（メタデータ） (2021-12-30T00:27:30Z)

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。