論文の概要: Response Magnitude as a Dominant Signal for Held-Out CRISPRi Perturbation Effect Prediction

• arxiv url: http://arxiv.org/abs/2608.00152v1
• Date: Fri, 31 Jul 2026 17:09:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-04 15:07:24.524946
• Title: Response Magnitude as a Dominant Signal for Held-Out CRISPRi Perturbation Effect Prediction
• Title（参考訳）: Held-Out CRISPRi 摂動効果予測のための支配信号としての応答マグニチュード
• Abstract要約: CRISPRi摂動が保有する標的遺伝子に対する転写学的効果の程度を予測することは、単細胞生物学において重要な問題である。 最近の研究は、単純なベースラインがしばしば関連するプロトコルの深い予測値と一致するか、あるいは超えていることを文書化している。 我々はこの現象をVirtual Cell Challengeベンチマークで厳密な目標遺伝子分割の下で研究する。
• 参考スコア（独自算出の注目度）: 2.167633131083169
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Predicting the magnitude of a CRISPRi perturbation's transcriptomic effect on held-out target genes is an important open problem in single-cell biology. Recent work has documented that simple baselines often match or exceed deep perturbation predictors on related protocols. We study this phenomenon on the Virtual Cell Challenge (VCC) benchmark under a strict held-out target-gene split, identify the specific low-dimensional signal that drives the gap, and characterize how it transfers across cell types. The target is the log Anderson-Darling distance from non-targeting controls, which is strongly predictable from four deterministic scalar functions of the 2,000-dimensional input. A deep MLP encoder with direct access to the full input collapses toward the marginal training mean, and standard remedies do not close the gap. A linear regression on the four magnitude scalars alone exceeds the strongest x-only classical model, while a Random Forest on the input plus the four scalars substantially outperforms our deep proof-of-concept encoder. Two pre-specified controls attribute the magnitude gain to per-row alignment rather than added dimensionality. Under zero-shot transfer to two external CRISPRi screens evaluated against a target-gene endpoint rebuilt from single-cell data, magnitude-only predictors transfer positively whereas expression-only predictors are negative or unresolved. Exposing magnitude to the deep encoder improves transfer over its expression-only counterpart, yet the encoder does not outperform a four-scalar linear regression on the same features. We also find that the Anderson-Darling column distributed with these screens measures transcriptome-wide response breadth rather than target-gene effect strength, so evaluating transfer against it scores a different outcome.
• Abstract（参考訳）: CRISPRi摂動が保有する標的遺伝子に対する転写学的効果の程度を予測することは、単細胞生物学において重要な問題である。 最近の研究は、単純なベースラインがしばしば関連するプロトコル上の深い摂動予測器と一致するか、超えていることを文書化している。 我々は,この現象を,厳密な目標遺伝子分割に基づく仮想細胞チャレンジ(VCC)ベンチマークで研究し,そのギャップを駆動する特定の低次元信号を特定し,細胞種間での移動を特徴付ける。 ターゲットは非目標制御からアンダーソン・ダーリング距離であり、2000次元入力の4つの決定論的スカラー関数から強く予測可能である。 完全入力への直接アクセスが可能な深層MLPエンコーダは、限界トレーニング平均に向かって崩壊し、標準的治療はギャップを埋めない。 4等級スカラーのみ上の線形回帰は、最も強いxのみの古典モデルを超える一方、入力上のランダムフォレストと4等級スカラーは、我々の深い概念実証エンコーダよりも大幅に優れている。 事前指定された2つのコントロールは、次元を付加するのではなく、行ごとのアライメントの大きさのゲインを特徴付けている。 単一セルデータから再構成されたターゲット遺伝子エンドポイントに対して評価された2つの外部CRISPRiスクリーンへのゼロショット転送では、マグニチュードのみの予測器は正に転送されるが、表現のみの予測器は負か未解決である。 ディープエンコーダにマグニチュードを出力することで、表現のみの変換が向上するが、エンコーダは同じ特徴において4スカラー線形回帰よりも優れているわけではない。 また,これらのスクリーンを配置したアンダーソン・ダーリング・カラムは,標的遺伝子効果の強さよりもストランスクリプトーム全体の応答幅を測定した。

関連論文リスト

• Recovering Nonlinear Functions of Latent Variables: A Plausible-Value Neural Network Framework [0.0]
  非線形予測において、係数スコアが真の潜在スコアを置き換えるとき、測定誤差は、回復可能な分散を$k$で減衰させる。 有界回復は、観測された指標による結果の予測ではなく、潜在スケール関数を支配している。 18条件シミュレーションは両方の予測をサポートする。
  論文  参考訳（メタデータ） (2026-08-19T08:27:55Z)
• Feature Priming in Online Linear Regression: Sparse-Regret Lower Bounds and a Tight Univariate Rate [47.36630149538994]
  高次元のオンライン予測では、最良の予測子はいくつかの機能にのみ依存する可能性があるため、後悔は周囲の次元ではなく、疎らさでスケールすべきである。 WarmuthとAmidはCOLT 2023で、これらの3つのルールのいずれかが競合するオンライン後悔の保証を認めているかどうかを尋ねた。 安価なニュアンスは、リフィットが真の予測座標を過度に重くする原因となる。
  論文  参考訳（メタデータ） (2026-08-18T09:32:03Z)
• LogitDynamics: Reliable ViT Error Detection from Layerwise Logit Trajectories [1.4610038284393168]
  視覚変換器(ViT)の誤差予測に関する研究 大規模言語モデルにおける内信号幻覚検出の動機付けにより、類似の深度信号がViTに存在するかどうかを考察する。 中間層に軽量な線形ヘッドを付加することにより、予測クラスのロジットとトップK競合の両方をキャプチャする最後のL層から特徴を抽出する。 これらの特徴に基づいて訓練された線形プローブは、エラーインジケータを予測する。
  論文  参考訳（メタデータ） (2026-04-12T13:43:40Z)
• Revisiting the Scale Loss Function and Gaussian-Shape Convolution for Infrared Small Target Detection [5.238802422720473]
  赤外線小目標検出は、非単調なスケール損失関数からの不安定性のトレーニングと、空間的注意の欠如という2つの永続的な課題に直面している。 本稿では,予測マスクと地上真実との符号付き面積差に応じて予測を重み付けするエンフディフに基づくスケール損失を提案する。 空間側では、赤外小目標の中心集中強度プロファイルと一致するように、学習可能なスケールパラメータを持つEmphGaussian型畳み込みを導入する。
  論文  参考訳（メタデータ） (2026-04-11T02:31:14Z)
• 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)
• Optimality and Adaptivity of Deep Neural Features for Instrumental Variable Regression [57.40108516085593]
  ディープ・フィーチャー・インスツルメンタル・変数(DFIV)回帰(Deep Feature instrumental variable)は、ディープ・ニューラルネットワークによって学習されたデータ適応的特徴を用いたIV回帰に対する非パラメトリックなアプローチである。 DFIVアルゴリズムは,目的構造関数がベソフ空間にある場合,最小最適学習率を実現する。
  論文  参考訳（メタデータ） (2025-01-09T01:22:22Z)
• FLARE: Toward Universal Dataset Purification against Backdoor Attacks [16.97677097266535]
  ディープニューラルネットワーク(DNN)は、バックドア攻撃の影響を受けやすい。 隠れたバックドアを埋め込むために、敵に特定されたトリガーを持つ敵の毒のデータセット。 各種バックドア攻撃に対する汎用的浄化法であるFLAREを提案する。
  論文  参考訳（メタデータ） (2024-11-29T05:34:21Z)
• Predicting Transcription Factor Binding Sites using Transformer based Capsule Network [0.8793721044482612]
  転写因子の結合部位の予測は、どのように遺伝子発現を調節し、この制御を治療目的でどのように調節するかを理解するために重要である。 DNABERT-Capは、多数のゲノムDNA配列が事前訓練された双方向エンコーダであり、最終予測にカプセル層が関与する。 DNABERT-Capは、既存の最先端のディープラーニングベースの予測器vizと比較されている。DeepARC、DeepTF、CNN-Zeng、DeepBindは、それらを上回っている。
  論文  参考訳（メタデータ） (2023-10-23T09:08:57Z)
• ScRAE: Deterministic Regularized Autoencoders with Flexible Priors for Clustering Single-cell Gene Expression Data [11.511172015076532]
  シングルセルRNA配列(scRNA-seq)のクラスタリングは、統計的および計算上の課題を引き起こす。 正規化オートエンコーダ(RAE)ベースのディープニューラルネットワークモデルは、ロバストな低次元表現の学習において大きな成功を収めている。 単一セルRNAシークエンシングデータの効果的なクラスタリングのためのRAEフレームワーク( scRAE と呼ばれる)を提案する。
  論文  参考訳（メタデータ） (2021-07-16T05:13:31Z)
• Regressive Domain Adaptation for Unsupervised Keypoint Detection [67.2950306888855]
  ドメイン適応(DA)は、ラベル付きソースドメインからラベル付きターゲットドメインに知識を転送することを目的とする。 本稿では,教師なしキーポイント検出のためのレグレッシブドメイン適応(RegDA)法を提案する。 提案手法は,異なるデータセット上のPCKにおいて,8%から11%の大幅な改善をもたらす。
  論文  参考訳（メタデータ） (2021-03-10T16:45:22Z)
• And/or trade-off in artificial neurons: impact on adversarial robustness [91.3755431537592]
  ネットワークに十分な数のOR様ニューロンが存在すると、分類の脆さと敵の攻撃に対する脆弱性が増加する。 そこで我々は,AND様ニューロンを定義し,ネットワーク内での割合を増大させる対策を提案する。 MNISTデータセットによる実験結果から,本手法はさらなる探索の方向として有望であることが示唆された。
  論文  参考訳（メタデータ） (2021-02-15T08:19:05Z)
• Weakly-Supervised Cross-Domain Adaptation for Endoscopic Lesions Segmentation [79.58311369297635]
  異なるデータセットにまたがるトランスファー可能なドメイン不変知識を探索できる,新しい弱い教師付き病巣移動フレームワークを提案する。 wasserstein quantified transferability frameworkは、広い範囲の転送可能なコンテキスト依存性を強調するために開発されている。 新規な自己監督型擬似ラベル生成器は、送信困難かつ転送容易なターゲットサンプルの両方に対して、確実な擬似ピクセルラベルを等しく提供するように設計されている。
  論文  参考訳（メタデータ） (2020-12-08T02:26:03Z)

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。