論文の概要: Joint Flow Matching Enables Continuous Dose-Conditioned Cell Morphing

• arxiv url: http://arxiv.org/abs/2608.16424v1
• Date: Mon, 17 Aug 2026 11:23:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-18 19:59:03.66068
• Title: Joint Flow Matching Enables Continuous Dose-Conditioned Cell Morphing
• Title（参考訳）: 連続線量制御型細胞形態制御が可能なジョイントフローマッチング
• Abstract要約: 細胞潜伏剤と薬物濃度を同時にモデル化するジョイントフローマッチング手法を提案する。 提案手法は, 2つの化合物上での集束当たりの競合的, あるいは改善された指標を実現する。
• 参考スコア（独自算出の注目度）: 0.893851054875666
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Generative modeling has shown increasing promise for predicting cellular perturbation effects under chemical compound treatments. Existing approaches either model perturbation as a distribution-to-distribution mapping without explicit concentration handling, or treat concentration as a discrete class label, precluding continuous dose control. We introduce a joint flow matching approach that simultaneously models cell latents and drug concentration via a dual-timestep formulation, enabling dose-conditioned single-cell morphing through the invertibility of flow matching. The joint formulation induces a monotonic dose-response geometry in latent space and additionally supports concentration estimation from cell morphology. As proof of concept, we further demonstrate generalization to an unseen dose held out during training. Empirically, our method achieves competitive or improved per-concentration metrics on two compounds compared with representative baselines, while enabling capabilities structurally unavailable to discrete-class methods.
• Abstract（参考訳）: 生成モデルでは、化学化合物処理下での細胞摂動効果を予測することが期待されている。 既存のアプローチは、明示的な集中処理を伴わない分布分布分布マッピングとしてモデル摂動をモデル化するか、あるいは連続的な線量制御を前にして、個別のクラスラベルとして濃度を扱います。 本稿では, 二重時間ステップの定式化により, 細胞潜伏剤と薬物濃度を同時にモデル化し, フローマッチングの可逆性を通じて, 線量条件付き単細胞形態形成を可能にするジョイントフローマッチング手法を提案する。 結合の定式化は、潜伏空間における単調線量応答幾何学を誘導し、細胞形態からの濃度推定を補助する。 概念実証として,トレーニング中の無目線量への一般化を更に実証する。 提案手法は,2つの化合物の競合的,あるいは改善された集中度を,代表的基準値と比較して達成すると同時に,離散クラス法では構造的に利用できない機能を実現する。

関連論文リスト

• A unified perspective on fine-tuning and sampling with diffusion and flow models [22.218023926601106]
  本研究では, ベース密度の指数傾傾きによって定義されるターゲット密度から, トレーニング拡散モデルとフロー生成モデルを抽出する問題について検討する。 この問題は最適制御(SOC)の観点から、随伴法またはスコアマッチング法を用いて、あるいは非平衡熱力学の観点からアプローチすることができる。
  論文  参考訳（メタデータ） (2026-04-30T21:06:46Z)
• Interpolating Discrete Diffusion Models with Controllable Resampling [49.771004594828405]
  仮面拡散モデルは初期解凍による不可逆誤差に悩まされる。 自己補正が可能であるにもかかわらず、一様拡散モデルは、しばしば低品質のサンプルを生成する。 本稿では,中間潜伏状態への依存を減らすことで拡散を改善する補間離散拡散モデルを提案する。
  論文  参考訳（メタデータ） (2026-04-19T07:55:57Z)
• Co-Diffusion: An Affinity-Aware Two-Stage Latent Diffusion Framework for Generalizable Drug-Target Affinity Prediction [19.66162559968931]
  Co-DiffusionはDTA予測を再定義する新しいフレームワークである。 我々は,Co-Diffusionが最先端のベースラインを著しく上回ることを示す。
  論文  参考訳（メタデータ） (2026-03-11T14:47:58Z)
• Inference-Time Alignment for Diffusion Models via Doob's Matching [16.416975860645724]
  拡散モデルの推論時間アライメントは,ベーススコアネットワークを再学習することなく,事前学習した拡散モデルを目標分布に適応することを目的としている。 本稿では,Doobの$h$-transformをベースとしたガイダンス推定フレームワークであるDoobのマッチングについて紹介する。 2-ワッサーシュタイン距離における生成分布の非漸近収束を保証する。
  論文  参考訳（メタデータ） (2026-01-10T10:28:06Z)
• Departures: Distributional Transport for Single-Cell Perturbation Prediction with Neural Schrödinger Bridges [51.83259180910313]
  遺伝子機能解析における大きなボトルネックは、単細胞データの未成熟の性質である。 我々は、SB(Schrdinger Bridge)を近似して、単セル摂動データに対処する。 本モデルは,異種単一セル応答を効果的に捉え,最先端の性能を実現する。
  論文  参考訳（メタデータ） (2025-11-17T08:27:13Z)
• Composable Score-based Graph Diffusion Model for Multi-Conditional Molecular Generation [85.58520120011269]
  本研究では,具体的スコアを用いてスコアマッチングを離散グラフに拡張するComposable Score-based Graph Diffusion Model (CSGD)を提案する。 CSGDは従来の手法よりも平均15.3%の制御性向上を実現していることを示す。 本研究は, 離散グラフ生成におけるスコアベースモデリングの実用的利点と, フレキシブルでマルチプロパタイトな分子設計のためのキャパシティを強調した。
  論文  参考訳（メタデータ） (2025-09-11T13:37:56Z)
• 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)
• Adding Additional Control to One-Step Diffusion with Joint Distribution Matching [58.37264951734603]
  JDMは、画像-条件関節分布間の逆KL分散を最小化する新しいアプローチである。 トラクタブルな上限を導出することにより、JDMは条件学習から忠実度学習を分離する。 この非対称蒸留方式により,一段階の生徒が教師モデルに未知の制御を処理できるようになる。
  論文  参考訳（メタデータ） (2025-03-09T15:06:50Z)
• InterHandGen: Two-Hand Interaction Generation via Cascaded Reverse Diffusion [53.90516061351706]
  両手インタラクションに先立って生成を学習する新しいフレームワークであるInterHandGenを提案する。 サンプリングにアンチペネティフィケーションと合成フリーガイダンスを組み合わせることで、プラウシブルな生成を可能にする。 本手法は, 妥当性と多様性の観点から, ベースライン生成モデルよりも有意に優れていた。
  論文  参考訳（メタデータ） (2024-03-26T06:35:55Z)
• Stochastic modeling of non-linear adsorption with Gaussian kernel density estimators [2.7126936616742845]
  吸着は、製品製造や汚染修復など、多くの分野で関連するプロセスである。 我々は吸着シミュレーションのための化学拡散反応モデルを提案した。 提案モデルでは,ラングミュアとフレンドリッヒ等温線の非線形挙動特性を効果的に再現することができる。
  論文  参考訳（メタデータ） (2020-04-14T12:21:33Z)

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。