論文の概要: Control-Anchored Residual Flow Matching Conditioned on Gene Geometry for Virtual Cell Perturbation Modeling

• arxiv url: http://arxiv.org/abs/2608.06824v1
• Date: Fri, 07 Aug 2026 05:29:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-10 16:21:25.367415
• Title: Control-Anchored Residual Flow Matching Conditioned on Gene Geometry for Virtual Cell Perturbation Modeling
• Title（参考訳）: 仮想セル摂動モデリングのための遺伝子幾何に基づく制御アンコール残差流マッチング
• Abstract要約: そこで本研究では,生物ネットワークから派生した遺伝子組換えの残流を制御したGeneGeoFlowを提案する。 摂動条件付き遺伝子操作モジュールは、関連する構造スケールとネットワークソースを選択し、介入特異的な遺伝子構造を生成する。 GeneGeoFlowは、ノーマン加法ベンチマークでピアソンデルタスコア0.8979、固定されたComboSciPlexテストスプリットで5つの保留薬の組み合わせで0.9088を達成している。
• 参考スコア（独自算出の注目度）: 27.139698175723254
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: A central task in virtual cell modeling is predicting single-cell transcriptional responses to unseen genetic perturbations and drug combinations, and biological networks provide valuable priors on gene relationships. Existing graph-based models commonly use the same network to structure gene representations and mediate intergene interactions, thereby implicitly treating stable associations as perturbation-response pathways. Gene Ontology and control-derived coexpression networks encode relatively stable relationships rather than intervention-specific response directions or magnitudes. We therefore propose GeneGeoFlow, which conditions a control-anchored residual flow on gene-wise geometry derived from biological networks to learn intervention-specific transcriptional responses. GeneGeoFlow derives multi-scale spectral coordinates from Gene Ontology and control-derived coexpression networks. A perturbation-conditioned, gene-wise gating module selects relevant structural scales and network sources, yielding intervention-specific gene geometry. The resulting geometry conditions a control-anchored residual flow without explicitly propagating target-derived signals along the graph. Condition-wise optimal transport couples unpaired control and perturbed populations for training, while a Delta-correlation objective aligns the predicted and observed condition-level expression-shift directions. GeneGeoFlow achieves Pearson Delta scores of 0.8979 on the Norman additive benchmark and 0.9088 on five held-out drug combinations in the fixed ComboSciPlex test split. These results support perturbation-conditioned gene geometry as an effective structural prior for intervention-specific response prediction, without conflating stable gene relationships with response propagation.
• Abstract（参考訳）: 仮想細胞モデリングにおける中心的な課題は、見えない遺伝子摂動と薬物の組み合わせに対する単細胞転写応答を予測することであり、生物学的ネットワークは遺伝子関係に貴重な先行情報を提供する。 既存のグラフベースのモデルでは、遺伝子表現を同じネットワークで構築し、遺伝子間相互作用を媒介し、安定した関係を摂動応答経路として暗黙的に扱うのが一般的である。 遺伝子オントロジーと制御由来の共表現ネットワークは、介入特異的な応答方向や大きさよりも比較的安定した関係を符号化する。 そこで本研究では、生物学的ネットワークから得られた遺伝子ワイドな形状に制御された残留フローを条件付け、介入特異的な転写応答を学習するGeneGeoFlowを提案する。 GeneGeoFlowは、Gene Ontologyと制御由来の共表現ネットワークからマルチスケールのスペクトル座標を導出する。 摂動条件付き遺伝子操作モジュールは、関連する構造スケールとネットワークソースを選択し、介入特異的な遺伝子構造を生成する。 結果として得られる幾何は、グラフに沿ってターゲット由来の信号を明示的に伝播させることなく、制御アンカレートされた残留フローを条件付ける。 デルタ相関の目的は、予測された条件レベルの表現シフト方向と観測された条件レベルの表現シフト方向を一致させる。 GeneGeoFlowは、ノーマン加法ベンチマークでピアソンデルタスコア0.8979、固定されたComboSciPlexテストスプリットで5つの保留薬の組み合わせで0.9088を達成している。 これらの結果は、安定な遺伝子関係と応答伝播を融合させることなく、介入特異的応答予測に有効な構造として摂動条件遺伝子幾何をサポートする。

関連論文リスト

• A Unified Geometric Framework for Developmental Analysis of Spatial Transcriptomic Data [38.40052829128497]
  高分解能単一細胞および転写技術は、不均一な細胞状態のスナップショットを提供する。 時間的および空間的ダイナミクスは、独立にサンプリングされた無秩序な細胞集団から推測されなければならない。 本稿では,Gromov-Wasserstein(GW)空間への埋め込みによる遺伝子発現ネットワークの時間的進化を解析するための幾何学的枠組みを提案する。
  論文  参考訳（メタデータ） (2026-08-15T16:19:58Z)
• BioM-JEPA: joint-embedding prediction of graph-connected gene blocks in single cells [64.21963170814706]
  BioM-JEPAはグラフ接続された遺伝子ブロックの集合表現を予測する。 学生ネットワークは、細胞内の残りの遺伝子から各ターゲットブロック表現を推論する。 CellBenchタスク全体で、BioM-JEPA埋め込みは発現、経路、および周辺情報を保持している。
  論文  参考訳（メタデータ） (2026-08-06T11:58:29Z)
• Stable-Shift: Biologically Structured Prediction of Transcriptional Responses to Unseen Gene Perturbations [8.089217380596391]
  安定シフト (Stable-Shift) は、未知の遺伝子応答を推定する構造的手法である。 システムはSTRINGインタラクション、ネットワーク構造、制御セル表現統計、遺伝子オントロジーアノテーションを組み合わせる。 平均コサイン類似度は0.589+/-0.008であった。
  論文  参考訳（メタデータ） (2026-06-22T19:48:07Z)
• Towards Fast GNN Surrogates for CO2 Migration in Complex Geological Formations [58.079925240809644]
  本研究では, 地質ストレージにおけるCO$$$ibility plume マイグレーション予測に適したエンドツーエンドグラフニューラルネットワークサロゲートを提案する。 この方法は、CO$$ストレージシナリオを評価するために設計されたよく知られた業界テストケースであるSPE11Aベンチマークで評価される。 提案モデルでは, ガス飽和度と液相密度の競合予測を行い, 累積誤差は拡大予測地平線上では緩やかに保たれている。
  論文  参考訳（メタデータ） (2026-06-15T18:19:17Z)
• BRIDGE: Biological Evidence Refinement and Heterogeneous Dynamic Gating for Gene Regulatory Networks [25.29216866424431]
  遺伝子制御ネットワーク(BRIDGE)のためのバイオエビデンス・リファインメントと異種動的ゲーティングという革新的なフレームワークを提案する。 BRIDGEは、発現マトリックスとそのマトリックス双対から遺伝子および細胞表現を抽出し、自己と隣人の間の遺伝子空間と細胞空間においてコントラスト学習を行う。 その後、遺伝子と細胞間の情報伝達を適応的に制御するために異種ゲートエンコーディングを適用し、堅牢な転写因子からターゲットへの遺伝子予測を可能にする。
  論文  参考訳（メタデータ） (2026-06-02T11:54:36Z)
• STRAND: Sequence-Conditioned Transport for Single-Cell Perturbations [31.08466183513241]
  STRANDは、制御DNA配列の条件付けによって単一細胞の応答を予測する生成モデルである。 配列による摂動を表現することは、遺伝子識別子の固定セットではなく、訓練中に見えないlociでのゼロショット推論をサポートする。 K562, Jurkat, RPE1細胞におけるCRISPR摂動データセットのSTRANDを評価する。
  論文  参考訳（メタデータ） (2026-02-10T00:57:38Z)
• Beyond Independent Genes: Learning Module-Inductive Representations for Gene Perturbation Prediction [48.80217316452559]
  scBIGは、協調した遺伝子プログラムを明示的にモデル化するモジュール誘導予測フレームワークである。 scBIGは、特に目に見えない、摂動的な設定において、最先端のメソッドを一貫して上回る。
  論文  参考訳（メタデータ） (2026-02-03T16:43:40Z)
• Tensor Network based Gene Regulatory Network Inference for Single-Cell Transcriptomic Data [0.0]
  本研究では、テンソルネットワーク(TN)を利用して表現データを最適にマッピングする量子インスピレーションフレームワークを提案する。 遺伝子依存を定量化し、置換試験により統計的意義を確立する。 量子物理学にインスパイアされた手法と計算生物学を融合することにより,遺伝子制御に関する新たな知見を提供する。
  論文  参考訳（メタデータ） (2025-09-08T17:11:12Z)
• 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)
• DynGFN: Towards Bayesian Inference of Gene Regulatory Networks with GFlowNets [81.75973217676986]
  遺伝子調節ネットワーク(GRN)は、遺伝子発現と細胞機能を制御する遺伝子とその産物間の相互作用を記述する。 既存の方法は、チャレンジ(1)、ダイナミックスから循環構造を識別すること、あるいはチャレンジ(2)、DAGよりも複雑なベイズ後部を学習することに焦点を当てるが、両方ではない。 本稿では、RNAベロシティ技術を用いて遺伝子発現の「速度」を推定できるという事実を活用し、両方の課題に対処するアプローチを開発する。
  論文  参考訳（メタデータ） (2023-02-08T16:36:40Z)
• Granger causal inference on DAGs identifies genomic loci regulating transcription [77.58911272503771]
  GrID-Netは、DBG構造化システムにおけるGranger因果推論のためのラタグメッセージパッシングを備えたグラフニューラルネットワークに基づくフレームワークである。 我々の応用は、特定の遺伝子の調節を仲介するゲノム座を同定する単一セルマルチモーダルデータの解析である。
  論文  参考訳（メタデータ） (2022-10-18T21:15:10Z)

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。