論文の概要: Zero-Cost Virtual RNA: Approximating Immunotherapy Signatures via Cross-Modal WSI Retrieval
- arxiv url: http://arxiv.org/abs/2608.00544v1
- Date: Sat, 01 Aug 2026 09:02:09 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-04 15:07:24.766673
- Title: Zero-Cost Virtual RNA: Approximating Immunotherapy Signatures via Cross-Modal WSI Retrieval
- Title（参考訳）: Zero-Cost Virtual RNA:クロスモーダルWSI検索による免疫療法シグナルの近似
- Abstract要約: VITA(VIrtual Transcriptomic Approximation)は胃腺癌における炎症性免疫フェノタイプを同定する。
トレーニング中にH&EとRNAを共同潜伏空間に整列させることにより、VITAは、形態学的に類似した歴史的なケースを検索するために、推論において標準H&Eのみを必要とする。
0.72の分類精度と0.66のスピアマン相関を達成し、VITAは費用対効果の高い仮想転写学の事前スクリーニングツールを提供する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Identifying the ``Inflamed'' immunophenotype in Gastric Adenocarcinoma predicts immunotherapy response but requires an expensive 10-gene RNA signature. While deep learning on standard H\&E slides offers a scalable alternative, conventional binary classifiers oversimplify continuous RNA data and introduce label noise. To resolve this, we propose VITA (VIrtual Transcriptomic Approximation). By aligning H\&E and RNA into a joint latent space during training, VITA requires only standard H\&E at inference to retrieve morphologically similar historical cases and approximate the continuous RNA signature. Achieving 0.72 classification accuracy and a 0.66 Spearman correlation, VITA provides a cost-effective ``virtual transcriptomics'' pre-screening tool that preserves the continuous phenotypic spectrum without requiring genomic sequencing.
- Abstract（参考訳）: 胃腺癌における ‘Inflamed' 免疫フェノタイプを同定することは、免疫療法の反応を予測するが、高価な10遺伝子RNAシグネチャを必要とする。
標準的なH\&Eスライドのディープラーニングはスケーラブルな代替手段を提供するが、従来のバイナリ分類器は連続したRNAデータを単純化し、ラベルノイズを導入する。
そこで我々は,VITA (VIrtual Transcriptomic Approximation) を提案する。
トレーニング中にH\&EとRNAを共同潜伏空間に整列させることにより、VITAは、形態学的に類似した歴史的なケースを検索し、連続したRNAシグネチャを近似するために、推論において標準H\&Eのみを必要とする。
0.72の分類精度と0.66のスピアマン相関を得て、VITAは、ゲノムシークエンシングを必要とせずに連続的な表現型スペクトルを保存する、コスト効果の高い `virtual transcriptomics' プレスクリーニングツールを提供する。
関連論文リスト
- Improving scDiffusion with Sparsity-Biased Classifier-Free Guidance [13.686193948598897]
本稿では,scRNA-seq 生成のためのスペーサバイアス型分類器フリーガイダンス (SB-CFG) 戦略を提案する。
SB-CFGは、仮定された「中立」境界分布を近似するのではなく、意図的に非条件分岐に対する非形式的スパース参照を導入する。
この"悪い"参照は条件付きと条件なしの予測のコントラストを増幅し、サンプリング中により強く効果的なガイダンスをもたらす。
論文 参考訳（メタデータ） (2026-07-31T05:46:07Z) - scHelix: Asymmetric Dual-Stream Integration via Explicit Gene-Level Disentanglement [84.88065404629079]
scHelixは、機能がどのように処理されるかを根本的に変更するデータセット適応フレームワークである。
scHelixは、停止段階のグラフキャッシュを備えたデュアルストリームスパース拡散エンコーダを使用する。
scHelixは最先端のメソッドより優れています。
論文 参考訳（メタデータ） (2026-05-18T15:55:13Z) - RNA-FM: Flow-Matching Generative Model for Genome-wide RNA-Seq Prediction [48.07329582311906]
本研究では,全スライディング画像からのゲノムワイドRNA配列予測のためのフローマッチング生成フレームワークであるRNA-FMを提案する。
RNA-FMは、連続時間条件付き輸送問題として転写予測を定式化する。
スケーラブルで生物学的に解釈可能なゲノムワイド遺伝子発現抑制を可能にする。
論文 参考訳（メタデータ） (2026-05-12T06:48:58Z) - Transcriptomic Models for Immunotherapy Response Prediction Show Limited Cross-cohort Generalisability [15.181294821978902]
我々は、最先端のICI応答予測器9つ、バルクRNA-seqベースモデル5つ、cRNA-seqベースモデル4つをベンチマークした。
概して予測性能は軽度であり、ほとんどのコホートでRNA-seqのバルクモデルが実行された。
パスウェイレベルの解析により, モデル間の疎結合および非一貫性のバイオマーカー信号が明らかになった。
論文 参考訳（メタデータ） (2026-04-07T06:18:59Z) - GBDTSVM: Combined Support Vector Machine and Gradient Boosting Decision Tree Framework for efficient snoRNA-disease association prediction [0.0]
本稿では, 新規かつ効率的なスノRNA分解関連を予測するための機械学習手法として, 「GBDTSVM」 というモデルを提案する。
GBDTSVMは、GBDTとSVMを利用したsnoRNA-disease機能統合表現を効果的に抽出する。
GBDTSVMモデルの実験的評価は,現場の最先端手法と比較して優れた性能を示した。
論文 参考訳（メタデータ） (2025-05-10T06:46:29Z) - scMamba: A Pre-Trained Model for Single-Nucleus RNA Sequencing Analysis in Neurodegenerative Disorders [43.24785083027205]
scMambaは、snRNA-seq解析の品質と実用性を改善するために設計された事前訓練モデルである。
最近のMambaモデルにインスパイアされた scMamba は、線形アダプタ層、遺伝子埋め込み、双方向のMambaブロックを組み込んだ新しいアーキテクチャを導入している。
scMambaは、セルタイプアノテーション、ダブルト検出、インプット、差分表現された遺伝子の同定など、様々な下流タスクにおいて、ベンチマーク手法よりも優れていることを示す。
論文 参考訳（メタデータ） (2025-02-12T11:48:22Z) - Assessing Concordance between RNA-Seq and NanoString Technologies in Ebola-Infected Nonhuman Primates Using Machine Learning [0.0]
エボラウイルス(EBOV)感染非ヒト霊長類の遺伝子発現解析におけるRNAシークエンシング(RNA-Seq)とNanoString技術の比較を行った。
ナノストリングデータに基づいてトレーニングされたSupervised Magnitude-Altitude Scoring (SMAS) 手法を用いた機械学習手法では,RT-qPCR陽性を陰性試料と区別する鍵マーカーとしてOAS1が同定された。
OAS1はまた、ロジスティック回帰を用いて感染していないサンプルの識別を100%精度で達成し、プラットフォーム間の堅牢性を実証した。
論文 参考訳（メタデータ） (2024-10-30T20:21:20Z) - A Conditional Flow Variational Autoencoder for Controllable Synthesis of
Virtual Populations of Anatomy [76.20367415712867]
本稿では,正規化フローを用いた条件付き変分オートエンコーダ(cVAE)を提案する。
2360例の心左心室データを用いた条件流VAEの性能について検討した。
論文 参考訳（メタデータ） (2023-06-26T13:23:52Z) - Learning to diagnose cirrhosis from radiological and histological labels
with joint self and weakly-supervised pretraining strategies [62.840338941861134]
そこで本稿では, 放射線学者が注釈付けした大規模データセットからの転写学習を活用して, 小さい付加データセットで利用できる組織学的スコアを予測することを提案する。
我々は,肝硬変の予測を改善するために,異なる事前訓練法,すなわち弱い指導法と自己指導法を比較した。
この方法は、METAVIRスコアのベースライン分類を上回り、AUCが0.84、バランスの取れた精度が0.75に達する。
論文 参考訳（メタデータ） (2023-02-16T17:06:23Z) - A k-mer Based Approach for SARS-CoV-2 Variant Identification [55.78588835407174]
アミノ酸の順序を保つことで,分類器の精度が向上することを示す。
また,アメリカ疾病予防管理センター(CDC)が報告した,変異の同定に重要な役割を担っているアミノ酸の重要性も示した。
論文 参考訳（メタデータ） (2021-08-07T15:08:15Z) - CovidDeep: SARS-CoV-2/COVID-19 Test Based on Wearable Medical Sensors
and Efficient Neural Networks [51.589769497681175]
新型コロナウイルス(SARS-CoV-2)がパンデミックを引き起こしている。
SARS-CoV-2の逆転写-ポリメラーゼ連鎖反応に基づく現在の試験体制は、試験要求に追いついていない。
我々は,効率的なDNNと市販のWMSを組み合わせたCovidDeepというフレームワークを提案する。
論文 参考訳（メタデータ） (2020-07-20T21:47:28Z)
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。