論文の概要: Correlation-Guided Flow Matching with Annealed Masking for Spatial Transcriptomics Generation

• arxiv url: http://arxiv.org/abs/2609.22187v1
• Date: Fri, 28 Aug 2026 14:47:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 05:09:55.763445
• Title: Correlation-Guided Flow Matching with Annealed Masking for Spatial Transcriptomics Generation
• Title（参考訳）: 空間トランスクリプトークス生成のための相関ガイド型流れマッチングと焼成マスキング
• Abstract要約: 組織学とST予測のための相関型フローマッチングフレームワークであるCorrFlowを提案する。 我々は,CorrFlowが評価手法の中で,PCCとHPCCで最高の平均値を達成することを示し,より生物学的に整合性のあるST予測を導いた。
• 参考スコア（独自算出の注目度）: 11.723737722035233
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Spatial transcriptomics (ST) provides spatially resolved gene expression profiling but remains expensive, motivating the prediction of ST from histology images. Generative models have emerged as a mainstream paradigm for ST prediction due to their ability to model the conditional distribution of gene expression and capture its inherent stochasticity. However, these methods typically treat genes as independent prediction targets and overlook the intrinsic gene-gene interactions in biological systems, which limits their ability to preserve biologically meaningful co-expression patterns. We argue that gene-gene interactions, which reflect shared pathways and regulatory mechanisms, are essential for generating numerically accurate and biologically coherent ST profiles. In this paper, we propose CorrFlow, a correlation-guided flow matching framework for histology-to-ST prediction that explicitly models gene-gene dependencies through two complementary mechanisms. First, we introduce an annealed masked flow matching strategy, where subsets of genes are progressively masked following a timestep-dependent annealing schedule, encouraging the model to infer masked genes conditioned on the remaining genes and promoting joint conditional modeling beyond per-gene marginal estimation. Second, we devise a gene graph-regularized optimization scheme that integrates prior knowledge from the STRING database and data-driven co-expression estimated by WGCNA to construct a gene affinity graph, which enforces both local consistency and global smoothness in the predicted expression. Extensive experiments across 12 datasets show that CorrFlow achieves the best average PCC and HPCC among evaluated methods, leading to more biologically coherent ST predictions.
• Abstract（参考訳）: 空間転写学(ST)は、空間的に解決された遺伝子発現プロファイリングを提供するが、それでも高価であり、組織像からSTの予測を動機付けている。 生成モデルは、遺伝子発現の条件分布をモデル化し、その固有の確率性を捉える能力により、ST予測の主流パラダイムとして浮上している。 しかし、これらの方法は通常、遺伝子を独立した予測ターゲットとして扱い、生物学的システムにおける固有の遺伝子-遺伝子相互作用を見落とし、生物学的に意味のある共発現パターンを維持する能力を制限する。 我々は,共有経路と制御機構を反映した遺伝子間相互作用が,数値的正確かつ生物学的に整合したSTプロファイルの生成に不可欠であると主張している。 本稿では,2つの相補的なメカニズムを通じて遺伝子依存を明示的にモデル化する,組織学とST予測のための相関型フローマッチングフレームワークであるCorrFlowを提案する。 まず,時間依存型アニーリングスケジュールに従って,遺伝子のサブセットを段階的にマスキングし,残りの遺伝子に条件付けされたマスキング遺伝子を推測し,遺伝子単位の限界推定を超えた共同条件モデリングを促進する。 第2に, STRINGデータベースからの事前知識とWGCNAが推定したデータ駆動共同表現を融合した遺伝子グラフ正規化最適化手法を考案し, 予測された表現の局所的一貫性と大域的滑らかさを両立させる遺伝子親和性グラフを構築する。 12のデータセットにわたる大規模な実験により、CorrFlowは評価手法の中で最も平均的なPCCとHPCCを達成し、より生物学的に一貫性のあるST予測をもたらすことが示された。

関連論文リスト

• SpaFactor: Lightweight Spatial Context-Aware Gene Program Modeling for Histology-to-Transcriptomics Inference [7.2809118914983815]
  SpaFactorは低ランクなモルフォロジー-プログラム-遺伝子分解フレームワークである。 中心地点の視覚的表現を多スケールの地域的・地域的な文脈で効果的に融合させる。 5つの公的なコホートで最高のアグリゲーションパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2026-09-23T09:59:22Z)
• Control-Anchored Residual Flow Matching Conditioned on Gene Geometry for Virtual Cell Perturbation Modeling [27.139698175723254]
  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。
  論文  参考訳（メタデータ） (2026-08-07T05:29:00Z)
• 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)
• HistoGPA: A Context-Conditioned Gene-Prior Attention Framework for Histology-Based Spatial Gene Expression Prediction [15.110981735183913]
  HistoGPAは文脈条件付き遺伝子プライオリティアテンションフレームワークである。 それは、その局所形態、位置、およびスライドコンテキストを用いて、文脈適応された遺伝子優先情報を検索する。 がん関連遺伝子の空間的発現パターンを復元する。
  論文  参考訳（メタデータ） (2026-07-27T12:39:02Z)
• 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)
• Adapting a Pre-trained Single-Cell Foundation Model to Spatial Gene Expression Generation from Histology Images [5.072469295071516]
  HINGE (HIstology-coNditioned GEneration) は、訓練済みの sc-FM を条件付き表現生成器に適合させる。 3つのSTデータセットに基づいて評価し、平均ピアソン相関に基づいて最先端のベースラインを上回ります。
  論文  参考訳（メタデータ） (2026-03-20T08:52:39Z)
• 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)
• Spatially Gene Expression Prediction using Dual-Scale Contrastive Learning [12.35331063443348]
  NH2STは、空間的コンテキストと、遺伝子発現予測のための病理と遺伝子モダリティの両方を統合している。 我々のモデルは既存の手法を一貫して上回り、PCCメトリクスの20%以上を達成しています。
  論文  参考訳（メタデータ） (2025-06-30T13:18:39Z)
• GRAPE: Heterogeneous Graph Representation Learning for Genetic Perturbation with Coding and Non-Coding Biotype [51.58774936662233]
  遺伝子制御ネットワーク(GRN)の構築は、遺伝的摂動の影響を理解し予測するために不可欠である。 本研究では,事前学習した大規模言語モデルとDNAシークエンスモデルを用いて,遺伝子記述やDNAシークエンスデータから特徴を抽出する。 我々は、遺伝子摂動において初めて遺伝子バイオタイプ情報を導入し、細胞プロセスの制御において異なるバイオタイプを持つ遺伝子の異なる役割をシミュレートした。
  論文  参考訳（メタデータ） (2025-05-06T03:35:24Z)
• GENERator: A Long-Context Generative Genomic Foundation Model [66.46537421135996]
  本稿では,98k塩基対 (bp) と1.2Bパラメータからなるゲノム基盤モデル GENERator を提案する。 DNAの386Bbpからなる拡張データセットに基づいて、GENERatorは、確立されたベンチマークと新しく提案されたベンチマークの両方で最先端のパフォーマンスを実証する。 また、特に特定のアクティビティプロファイルを持つエンハンサーシーケンスを即応的に生成することで、シーケンス最適化において大きな可能性を秘めている。
  論文  参考訳（メタデータ） (2025-02-11T05:39:49Z)
• Predicting Genetic Mutation from Whole Slide Images via Biomedical-Linguistic Knowledge Enhanced Multi-label Classification [119.13058298388101]
  遺伝子変異予測性能を向上させるため,生物知識を付加したPathGenomic Multi-label Transformerを開発した。 BPGTはまず、2つの慎重に設計されたモジュールによって遺伝子前駆体を構成する新しい遺伝子エンコーダを確立する。 BPGTはその後ラベルデコーダを設計し、最終的に2つの調整されたモジュールによる遺伝的突然変異予測を行う。
  論文  参考訳（メタデータ） (2024-06-05T06:42:27Z)

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。