Fugu-MT 論文翻訳(概要): VizIt: A multi-view framework for exploring single-cell, spatial, and genetic data online

論文の概要: VizIt: A multi-view framework for exploring single-cell, spatial, and genetic data online

arxiv url: http://arxiv.org/abs/2609.04658v1
Date: Fri, 04 Sep 2026 02:40:47 GMT
ステータス: 翻訳完了
システム内更新日: 2026-09-07 18:15:23.895998
Title: VizIt: A multi-view framework for exploring single-cell, spatial, and genetic data online
Title（参考訳）: VizIt: 単一細胞、空間、遺伝データをオンラインで検索するための多視点フレームワーク
Abstract要約: VizItは、単一細胞および空間転写学、エピゲノミクスおよび遺伝データのマルチビュー探索のためのオープンソースのフレームワークである。カスタマイズ可能な対話型マルチオミックリソースであるParkinson's Cell Atlasを用いて、VizItを実演する。
参考スコア（独自算出の注目度）: 3.3380937438170992
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Multi-omic studies increasingly require data to be examined from complementary biological perspectives, yet interactive exploration remains fragmented across modalities and tools. We present VizIt, an open-source framework for multi-view exploration of single-cell and spatial transcriptomic, epigenomic and genetic data. VizIt connects gene-, cell type-, condition-, spatial-, genomic region- and variant-centered views, enabling seamless navigation across biological perspectives. We demonstrate VizIt through the Parkinson's Cell Atlas, a customizable interactive multi-omic resource.
Abstract（参考訳）: マルチオミカルな研究は、相補的な生物学的視点からデータを調べることをますます要求するが、対話的な探索はモダリティやツールで断片化されている。単細胞・空間転写学・エピゲノミクス・遺伝データの多視点探索のためのオープンソースのフレームワークであるVizItについて紹介する。 VizItは、遺伝子、細胞タイプ、条件、空間、ゲノム領域、変種中心のビューを接続し、生物学的視点を横断するシームレスなナビゲーションを可能にする。カスタマイズ可能な対話型マルチオミックリソースであるParkinson's Cell Atlasを用いて、VizItを実演する。

関連論文リスト

Uncovering spatial tissue domains and cell types in spatial omics through cross-scale profiling of cellular and genomic interactions [26.7111709393529]
本稿では,高速空間転写学解析の限界を克服するディープラーニングフレームワークであるCellScapeを提案する。 CellScapeは、組織空間における細胞間相互作用と細胞間のゲノム関係をモデル化し、包括的な表現を生成する。この技術は、空間領域のセグメンテーションを改善する生物学的に有意義なパターンを明らかにする。
論文参考訳（メタデータ） (2026-02-13T06:22:43Z)
Survey of Multimodal Geospatial Foundation Models: Techniques, Applications, and Challenges [54.669838624278924]
基礎モデルは自然言語処理とコンピュータビジョンに変化をもたらした。強力な一般化と伝達学習機能により、リモートセンシングデータのマルチモーダル、マルチレゾリューション、マルチ時間特性と自然に一致させる。この調査は、モーダリティ駆動の観点から、マルチモーダルGFMの包括的なレビューを提供する。
論文参考訳（メタデータ） (2025-10-27T03:40:00Z)
Hyperbolic Multimodal Representation Learning for Biological Taxonomies [23.639218053531962]
生物多様性研究における分類学的分類は、証拠に基づいて生物学的標本を構造化階層に分類することを含む。このような階層モデルに対して,双曲型ネットワークがより良い埋め込み空間を提供できるかどうかを検討する。提案手法は, マルチモーダルな入力を, コントラッシブと新規な重み付きエンテーメントに基づく目的を用いた共有双曲空間に埋め込む。
論文参考訳（メタデータ） (2025-08-22T18:52:50Z)
scMamba: A Scalable Foundation Model for Single-Cell Multi-Omics Integration Beyond Highly Variable Feature Selection [5.139014238424409]
scMambaはシングルセルのマルチオミクスデータを事前のフィーチャ選択を必要とせずに統合するために設計されたモデルである。 scMambaは、高次元のスパースシングルセルマルチオミクスデータから豊富な生物学的洞察を蒸留する。われわれは scMamba を大規模シングルセルマルチオミクス統合の強力なツールとして位置づけた。
論文参考訳（メタデータ） (2025-06-25T12:58:01Z)
Large Language Models for Bioinformatics [58.892165394487414]
本調査はバイオインフォマティクス特化言語モデル(BioLM)の進化,分類,特徴の識別に焦点をあてる。疾患診断, 薬物発見, ワクチン開発などの重要な分野において, バイオフィルムの幅広い応用について検討する。データプライバシやセキュリティ上の問題,解釈可能性の問題,トレーニングデータやモデル出力のバイアス,ドメイン適応複雑性など,BioLMに固有の重要な課題や制限を特定します。
論文参考訳（メタデータ） (2025-01-10T01:43:05Z)
Multi-modal Spatial Clustering for Spatial Transcriptomics Utilizing High-resolution Histology Images [1.3124513975412255]
空間転写学(spatial transcriptomics, ST)は、空間的文脈を保ちながら、転写産物全体の遺伝子発現プロファイリングを可能にする。現在の空間クラスタリング法では、高解像度の組織像と遺伝子発現データを完全に統合することができない。本稿では、遺伝子発現データと組織像の特徴を融合した、新しいコントラスト学習に基づく深層学習手法を提案する。
論文参考訳（メタデータ） (2024-10-31T00:32:24Z)
ViKL: A Mammography Interpretation Framework via Multimodal Aggregation of Visual-knowledge-linguistic Features [54.37042005469384]
MVKLは,マルチビュー画像,詳細な表示,報告を含む最初のマルチモーダルマンモグラフィーデータセットである。このデータセットに基づいて、教師なし事前学習のチャラリングタスクに焦点を当てる。視覚,知識,言語機能を相乗化するフレームワークであるViKLを提案する。
論文参考訳（メタデータ） (2024-09-24T05:01:23Z)
Cognitive Evolutionary Learning to Select Feature Interactions for Recommender Systems [59.117526206317116]
Cellはさまざまなタスクやデータに対して,さまざまなモデルに適応的に進化可能であることを示す。 4つの実世界のデータセットの実験では、細胞は最先端のベースラインを大幅に上回っている。
論文参考訳（メタデータ） (2024-05-29T02:35:23Z)
ProBio: A Protocol-guided Multimodal Dataset for Molecular Biology Lab [67.24684071577211]
研究結果を複製するという課題は、分子生物学の分野に重大な障害をもたらしている。まず、この目的に向けた最初のステップとして、ProBioという名前の包括的なマルチモーダルデータセットをキュレートする。次に、透明なソリューショントラッキングとマルチモーダルなアクション認識という2つの挑戦的なベンチマークを考案し、BioLab設定におけるアクティビティ理解に関連する特徴と難しさを強調した。
論文参考訳（メタデータ） (2023-11-01T14:44:01Z)
Causal machine learning for single-cell genomics [94.28105176231739]
単細胞ゲノミクスへの機械学習技術の応用とその課題について論じる。まず, 単一細胞生物学における現在の因果的アプローチの基盤となるモデルについて述べる。次に、単一セルデータへの因果的アプローチの適用におけるオープンな問題を特定する。
論文参考訳（メタデータ） (2023-10-23T13:35:24Z)
A generalized kernel machine approach to identify higher-order composite effects in multi-view datasets [4.579719459619913]
マルチビューバイオメディカルデータセットにおける高次合成効果を同定するための新しいカーネルマシン手法を提案する。提案手法は,高次合成効果を効果的に同定し,協調作業において対応する特徴が機能することを示唆する。
論文参考訳（メタデータ） (2020-04-29T08:56:02Z)

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。