論文の概要: CASCADE: An Agentic Regulatory Network Framework for Patient-Data-Validated Downstream Perturbation Prediction
- arxiv url: http://arxiv.org/abs/2608.05359v1
- Date: Wed, 05 Aug 2026 19:30:44 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-07 15:25:20.778427
- Title: CASCADE: An Agentic Regulatory Network Framework for Patient-Data-Validated Downstream Perturbation Prediction
- Title（参考訳）: CASCADE:患者データを用いた下流摂動予測のためのエージェント制御ネットワークフレームワーク
- Abstract要約: 我々は、実際のTCGA患者の腫瘍データに対するノックダウンの逆転のプロキシとして、焦点遺伝子コピーナンバーアンプリフィケーション(cuscus-gene copy-number amplification)を用いる。
MYCの場合、CASCADEの予測されたノックダウンターゲットは、実際のvs非増幅腫瘍の発現と強い一致を示した。
その精度は、MYCまたはE2F駆動生物学の既存の公的な知識を超えないことが示されている。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: CASCADE is an agentic framework that predicts downstream transcriptional effects of gene perturbation from precomputed ARACNe regulatory networks, exposed via MCP. Prior work validates such tools by checking whether predicted genes are known cancer genes (membership); we instead test whether the predicted direction of change matches reality, using focal-gene copy-number amplification as a dosage-based proxy for the inverse of knockdown against real TCGA patient tumor data. For MYC, CASCADE's predicted knockdown targets show strong concordance with real amplified-vs-non-amplified tumor expression across three cancer types (BRCA: 90.0%, COAD: 72.0%, STAD: 85.7%; all p<0.0013), well above permutation baselines, surviving a PAM50 subtype control and replicating in an independent cohort (METABRIC, 87.2%). Compared against curated MSigDB gene-set baselines via Fisher's exact test, CASCADE's accuracy is not shown to exceed existing public knowledge of MYC- or E2F-driven biology, though its gene-specific direction-calling clearly outperforms a naive uniform guess. Extending to fifteen additional genes, validation proves gene-specific rather than universal: proliferation-machinery regulators mostly replicate, while lineage-identity transcription factors and one cyclin-D paralog (CCND2) consistently fail, a pattern we discuss as a hedged, post-hoc hypothesis. We separately benchmark whether an LLM-based agent correctly grounds natural-language requests into CASCADE's real MCP tool calls. Across 35 queries, a documented local model reaches 71.4% exact match (85.7% for a larger model); schema and gene-alias failures are resolved by scale or server-side correction, but both models confidently default to the wrong perturbation type on ambiguous queries, a failure a targeted fix could not resolve because its trigger condition never occurs.
- Abstract（参考訳）: CASCADEは、事前計算されたARACNe制御ネットワークからの遺伝子摂動の下流転写効果をMCPを介して予測するエージェントフレームワークである。
従来の研究は、予測された遺伝子が既知の癌遺伝子(メンバーシップ)であるかどうかを確認することによって、そのようなツールを検証する。代わりに、実際のTCGA患者の腫瘍データに対するノックダウンの逆転のためのドセージベースのプロキシとして、焦点遺伝子コピー数増幅を用いて、変化の予測方向が現実と一致するかどうかをテストする。
MYCでは、CASCADEの予測されたノックダウンターゲットは、3種類のがんタイプ(BRCA: 90.0%、COAD: 72.0%、STAD: 85.7%、全p<0.0013)で、PAM50サブタイプコントロールを生存し、独立したコホート(METABRIC, 87.2%)で複製する実際のvs非増幅腫瘍と強い一致を示した。
フィッシャーの正確な検査によって得られたMSigDB遺伝子セットベースラインと比較すると、CASCADEの精度は既存のMYCまたはE2F駆動生物学の公開知識を超えていないことが示されているが、その遺伝子特異的な方向呼び出しは、単純で均一な推測よりも明らかに優れている。
増殖処理調節因子は主に複製されるが、系統同一性転写因子と1つのサイクリン-Dパラログ(CCND2)は一貫して失敗し、私たちがヘッジド・ポストホック仮説として議論するパターンである。
LLMをベースとしたエージェントが、CASCADEの実際のMCPツールコールに自然言語要求を正しく適用するかどうかを別々にベンチマークする。
35のクエリにわたって、文書化されたローカルモデルは71.4%の正確な一致(より大きなモデルでは85.7%)に達し、スキーマと遺伝子エイリアス障害はスケールまたはサーバ側の修正によって解決されるが、どちらのモデルも曖昧なクエリで間違った摂動型を確実にデフォルトとしており、ターゲットとする修正の失敗はトリガー条件が起こらないため解決できない。
関連論文リスト
- Post-training Quantization for Hybrid Iterative Generative Models [52.791973512723324]
反復生成モデル(IGMs)は自己回帰と拡散のパラダイムにまたがり、それらが結合するハイブリッドな変異は、素晴らしい画像生成の忠実さを達成できる。
ポストトレーニング量子化(PTQ)は加速に訴える一方で、バニラPTQを直接ハイブリッドIGGに適用することでモデル崩壊を引き起こす。
ハイブリッドIGGのためのPTQフレームワークHyGenQを紹介する。
代表的ハイブリッドIGGを8ビット精度(W8A8)に定量化し、既存のベースラインを著しく上回り、異なるモデルファミリ間の堅牢性を検証した。
論文 参考訳（メタデータ） (2026-08-14T04:07:14Z) - Cross-Fitted Residual Utility for Primary-Preserving Cognitive Decision Correction in Automatic Modulation Classification [1.547549252134621]
本稿では,クロスフィット型残効ユーティリティとプライマリ保存型認知決定ポリシーを用いて,推論後の問題について検討する。
構造化されたkan-Fourier分類器はデフォルトの確率を提供し、ニューラルおよび非ニューラル候補は観測可能な証拠を提供する。
RMLA、RMLB、HISARでは、完全なシステムは全体の精度を63.632%から66.332%、65.161%から66.168%、77.769%から79.867%に改善している。
論文 参考訳（メタデータ） (2026-08-03T11:07:37Z) - 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) - A self-evolving agent for explainable diagnosis of DFT-experiment band-gap mismatch [3.3602370127893724]
本稿では,ミスマッチを自動的に診断するクローズドループエージェントであるXDFTを紹介する。
検証された124項目のベンチマークでは、XDFTは90件中70件のミスマッチの解決メカニズムを特定している。
論文 参考訳（メタデータ） (2026-04-29T14:11:03Z) - Information Fidelity in Tool-Using LLM Agents: A Martingale Analysis of the Model Context Protocol [69.11739400975445]
モデルコンテキストプロトコル(MCP)エージェントにおけるエラー蓄積を解析するための最初の理論的枠組みを紹介する。
累積歪みが線形成長と高確率偏差を$O(sqrtT)$で表すことを示す。
主な発見は、意味重み付けは歪みを80%減らし、周期的再接地は、エラー制御の約9ステップごとに十分である。
論文 参考訳（メタデータ） (2026-02-10T21:08:53Z) - Prostate-VarBench: A Benchmark with Interpretable TabNet Framework for Prostate Cancer Variant Classification [14.190646211771073]
VUS(Variants of Uncertain Significance)は前立腺癌ゲノムの臨床的有用性を制限する。
Prostate-VarBenchは、prostate固有のベンチマークを作成するための、キュレートされたパイプラインである。
論文 参考訳（メタデータ） (2025-11-12T06:13:50Z) - DNABERT-2: Fine-Tuning a Genomic Language Model for Colorectal Gene Enhancer Classification [0.0]
DNABERT-2は、DNAから可変長トークンを学習するためにバイトペアエンコーディングを使用するトランスフォーマーゲノム言語モデルである。
遺伝子エンハンサーは、いつ、どこで遺伝子がスイッチされるかを制御するが、その配列の多様性と組織特異性は、大腸癌の特定を困難にしている。
大腸癌におけるBPEトークン化を用いた第2世代のゲノム言語モデルを適用した最初の研究である。
論文 参考訳（メタデータ） (2025-09-28T16:10:03Z) - 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) - CRTRE: Causal Rule Generation with Target Trial Emulation Framework [47.2836994469923]
ターゲットトライアルエミュレーションフレームワーク(CRTRE)を用いた因果ルール生成という新しい手法を提案する。
CRTREは、アソシエーションルールの因果効果を推定するためにランダム化トライアル設計原則を適用している。
次に、病気発症予測などの下流アプリケーションにそのような関連ルールを組み込む。
論文 参考訳（メタデータ） (2024-11-10T02:40:06Z) - Using Pre-training and Interaction Modeling for ancestry-specific disease prediction in UK Biobank [69.90493129893112]
近年のゲノムワイド・アソシエーション(GWAS)研究は、複雑な形質の遺伝的基盤を明らかにしているが、非ヨーロッパ系個体の低発現を示している。
そこで本研究では,マルチオミクスデータを用いて,多様な祖先間での疾患予測を改善することができるかを評価する。
論文 参考訳（メタデータ） (2024-04-26T16:39:50Z) - A Hybrid Machine Learning Model for Classifying Gene Mutations in Cancer using LSTM, BiLSTM, CNN, GRU, and GloVe [0.0]
本稿では,LSTM,BiLSTM,CNN,GRU,GloVeを相乗的に組み合わせたハイブリッドアンサンブルモデルを提案する。
提案手法はトレーニング精度80.6%,精度81.6%,リコール80.6%,F1スコア83.1%,平均二乗誤差(MSE)2.596。
論文 参考訳（メタデータ） (2023-07-24T21:01:46Z)
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。