論文の概要: A Transformer-Based Delta Expression Encoder for Psilocybin Transcriptional Response: Architecture, Representations, and Biological Validation
- arxiv url: http://arxiv.org/abs/2609.08165v1
- Date: Tue, 08 Sep 2026 02:51:39 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-10 19:44:08.558711
- Title: A Transformer-Based Delta Expression Encoder for Psilocybin Transcriptional Response: Architecture, Representations, and Biological Validation
- Title（参考訳）: Psilocybin転写応答のためのトランスフォーマーベースデルタ表現エンコーダ:アーキテクチャ,表現,生物学的検証
- Abstract要約: トランスフォーマーに基づくデルタ式エンコーダは、単一核RNA配列データから差分遺伝子発現ステータスを分類する。
細胞単位の分類精度は28.3%から99.6%であり、既知のシロシビン応答生物学と一致している。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Understanding why individuals respond differently to psilocybin requires modeling the drug's transcriptional perturbation signature at the cell-type level. I present a Transformer-based delta expression encoder that learns to classify differential gene expression status - upregulated, downregulated, or neutral - from single-nucleus RNA-sequencing data, without supervision from pathway annotations or prior biological knowledge. The model is trained on pseudobulk profiles from 623 examples spanning 18 cell types, 2 drug conditions, and 6 timepoints derived from the Liao et al. 2025 dataset, and achieves 69.4% weighted classification accuracy. Three principal findings are reported, alongside one direct test of a published hypothesis that returned a result inconsistent with that hypothesis. First, per-cell-type classification accuracy ranges from 28.3% (L2/3 IT, a primary HTR2A-expressing psilocybin target) to 99.6% (endothelial cells), consistent with known psilocybin response biology. Second, psilocybin-induced transcriptional downregulation is significantly more stereotyped across individuals than upregulation (Mann-Whitney U=18615.0, p<0.0001), a novel finding with a cortical depth gradient across excitatory subtypes. Third, attention-guided gene co-regulation analysis recovers drug-specific modules without pathway supervision. Separately, a direct test of whether baseline HTR2A expression predicts drug-response separability across cell types found a significant negative correlation (Spearman r = -0.7088, p = 0.0021), the opposite of what a simple HTR2A-gating account would predict.
- Abstract（参考訳）: 個人がシロシビンに異なった反応をする理由を理解するには、細胞型レベルでの転写摂動のシグネチャをモデル化する必要がある。
本稿では,トランスフォーマーをベースとしたデルタ式エンコーダを提案する。このエンコーダは,単一核RNAシークエンシングデータから,経路アノテーションや先行生物学的知識を介さずに,差分遺伝子発現のステータス(制御,ダウンレギュレーション,中立性)を分類する。
このモデルは、18種類の細胞タイプ、2つの薬物状態、6つのタイムポイントにまたがる623のサンプルから擬似バルクプロファイルに基づいて訓練され、69.4%の重み付き分類精度を達成している。
3つの主要な発見が報告され、その仮説と矛盾する結果を返す仮説の1つの直接的なテストと共に公表された仮説が報告された。
まず、細胞単位の分類精度は28.3%(L2/3 IT、主要なHTR2Aを発現するシロシビン標的)から99.6%(内皮細胞)まで変化し、既知のシロシビン応答生物学と一致している。
第2に、シロシビンによる転写低下は、興奮性サブタイプにまたがる皮質深度勾配の新規発見であるアップレギュレーション(Mann-Whitney U=18615.0, p<0.0001)よりも個体間で著しくステレオタイプ化されている。
第3に、注意誘導遺伝子共調節解析は、経路の監督なしに薬物特異的なモジュールを回収する。
さらに、ベースラインHTR2Aの発現が細胞種間での薬物応答分離性を予測するかどうかの直接試験では、単純なHTR2Aの指標が予測するものとは逆の、有意な負の相関(Spearman r = -0.7088, p = 0.0021)が見つかった。
関連論文リスト
- CASCADE: An Agentic Regulatory Network Framework for Patient-Data-Validated Downstream Perturbation Prediction [0.0]
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。
論文 参考訳（メタデータ） (2026-08-05T19:30:44Z) - LLM-Guided Retrieval for Prediction of Molecular Perturbation Responses [9.104983140706517]
我々は分子摂動予測をレトリーブ・アンド・アグリゲートとして表している。
大型言語モデル(LLM)は、候補の隣の薬物(標的細胞株でプロファイルされた薬物に制限される)をランク付けする。
固定平均アグリゲータは、観測された表現デルタを結合して予測を形成する。
タホー100M単細胞摂動アトラスについて, 未確認, 未確認, オープンワールド体制下での評価を行った。
論文 参考訳（メタデータ） (2026-08-03T05:57:02Z) - Modeling Cell-Cycle-Aware Single-Cell Drug Perturbation Responses [7.806328314748778]
scCycleMolは、24時間のSciPlex3ベンチマークに基づいて構築された、セルサイクル対応の摂動予測フレームワークである。
scCycleMolは、治療状態から細胞周期を誘導し、予測された発現に適用する。
論文 参考訳（メタデータ） (2026-06-29T01:57:40Z) - Training distribution determines the ceiling of drug-blind cancer sensitivity prediction [0.304585143845864]
精密腫瘍学では、どの薬が特定の腫瘍をその分子プロファイルから抑制するかを予測する必要がある。
薬物表現の複雑化にもかかわらず,薬の盲目感受性の予測は低下している。
論文 参考訳（メタデータ） (2026-05-20T08:24:56Z) - TRIDENT: A Trimodal Cascade Generative Framework for Drug and RNA-Conditioned Cellular Morphology Synthesis [56.9460577864211]
TRIDENTは、摂動と対応する遺伝子発現プロファイルの両方を条件にすることで、現実的な細胞形態を合成するカスケード生成フレームワークである。
TRIDENTは最先端のアプローチよりも優れており、目に見えない化合物への強い一般化で最大7倍の改善を実現している。
論文 参考訳（メタデータ） (2025-11-23T04:43:27Z) - scPPDM: A Diffusion Model for Single-Cell Drug-Response Prediction [44.96130504547205]
本稿では,ScRNA-seqデータから単一セルの薬物応答予測を行う最初の拡散型フレームワークであるScPPDMを紹介する。
scPPDMは、非結合性GD-Attnを介して一貫した潜伏空間に、摂動前状態と投与量のある薬物の2つの条件チャネルを結合する。
論文 参考訳（メタデータ） (2025-10-08T16:17:39Z) - 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) - scGSDR: Harnessing Gene Semantics for Single-Cell Pharmacological Profiling [5.831554646284266]
scGSDRは、細胞状態と遺伝子シグナル伝達経路の知識に基づく2つの計算パイプラインを統合するモデルである。
scGSDRは、遺伝子セマンティクスを組み込んで予測性能を高め、解釈可能性モジュールを使用する。
モデルはシングルドラッグの予測からドラッグの組み合わせを含むシナリオまで拡張された。
論文 参考訳（メタデータ） (2025-02-02T15:43:20Z) - Multi-megabase scale genome interpretation with genetic language models [45.97370115519009]
フェンフォーマー(英: Phenformer)は、機械的仮説を生成するために学習する多スケールの遺伝的言語モデルである。
我々は,150万以上の個体から得られた全ゲノムシークエンシングデータを用いて,Phenformerが既存の方法よりも優れた機械的仮説を生成することを示す。
論文 参考訳（メタデータ） (2025-01-13T23:00:40Z) - Regressor-free Molecule Generation to Support Drug Response Prediction [83.25894107956735]
目標IC50スコアに基づく条件生成により、より効率的なサンプリングスペースを得ることができる。
回帰自由誘導は、拡散モデルのスコア推定と、数値ラベルに基づく回帰制御モデルの勾配を結合する。
論文 参考訳（メタデータ） (2024-05-23T13:22:17Z) - Improved Drug-target Interaction Prediction with Intermolecular Graph
Transformer [98.8319016075089]
本稿では,3方向トランスフォーマーアーキテクチャを用いて分子間情報をモデル化する手法を提案する。
分子間グラフ変換器(IGT)は、それぞれ、結合活性と結合ポーズ予測の2番目のベストに対して、最先端のアプローチを9.1%と20.5%で上回っている。
IGTはSARS-CoV-2に対して有望な薬物スクリーニング能力を示す。
論文 参考訳（メタデータ） (2021-10-14T13:28:02Z)
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。
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。