論文の概要: DRIFT: Disentangled Responsive-Invariant Flow Transport for Single-Cell Perturbation Prediction

• arxiv url: http://arxiv.org/abs/2609.35106v1
• Date: Mon, 28 Sep 2026 13:12:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-02 16:57:12.651552
• Title: DRIFT: Disentangled Responsive-Invariant Flow Transport for Single-Cell Perturbation Prediction
• Title（参考訳）: DRIFT:単セル摂動予測のための遠方応答不変流輸送
• Abstract要約: 摂動に対する細胞応答の予測は細胞生物学の中心的な問題である。 我々は、既存の変動性を考慮せずに、フレキシブルでデータ駆動型摂動効果モデルを開発する。
• 参考スコア（独自算出の注目度）: 14.773437349760181
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Predicting cellular responses to perturbations is a central problem in cellular biology, with broad applications in systems biology and drug discovery. This task is challenging because cellular responses can be complex and cell-state dependent, intrinsic cell-to-cell variability can be confounded with perturbation effects, and destructive single-cell RNA sequencing precludes paired measurements of the same cell before and after treatment. Flow matching transports control cells to perturbed states flexibly, but acting on the full cell state can confound perturbation effects with pre-existing cell-to-cell variability. Disentangled approaches separate responsive from invariant components, but model perturbations through prescribed mechanisms, such as latent shifts or graph edits, limiting their flexibility. We address both limitations in a unified framework. A variational encoder disentangles each cell into an invariant block, capturing state unaffected by the perturbation, and a responsive block, capturing state it changes, through conditional priors and an information-theoretic invariance constraint. Conditional flow matching transports only the responsive block, conditioned on the perturbation and invariant state, yielding a flexible, data-driven model of perturbation effects without confounding pre-existing variability. Across several benchmarks, our method outperforms the strongest published method in settings involving combinatorial and unseen perturbation prediction.
• Abstract（参考訳）: 摂動に対する細胞応答の予測は細胞生物学の中心的な問題であり、システム生物学や薬物発見に広く応用されている。 この課題は、細胞応答が複雑で細胞状態に依存し、内在的な細胞間変異は摂動効果と結合し、破壊的な単細胞RNAシークエンシングは、治療前後で同じ細胞のペア測定を妨げているため、困難である。 フローマッチングは、細胞を柔軟に摂動状態へと制御するが、フルセル状態に作用すると、既存の細胞間変異によって摂動効果を混乱させる可能性がある。 Disentangledアプローチは、不変コンポーネントとは応答性が異なるが、遅延シフトやグラフ編集といった所定のメカニズムによるモデル摂動により、柔軟性が制限される。 両方の制限を統一されたフレームワークで解決します。 変分エンコーダは、各セルを不変ブロックに切り離し、摂動の影響を受けない状態と応答ブロックとを捕捉し、条件付き先行と情報理論的不変制約を介して変化した状態をキャプチャする。 条件付きフローマッチングは、摂動状態と不変状態に条件付けられた応答ブロックのみを輸送し、既存の変動を回避せずに、フレキシブルでデータ駆動的な摂動効果のモデルを生成する。 提案手法は,複数のベンチマークにおいて,組合せ的および目に見えない摂動予測を含む設定において,最強の手法よりも優れていた。

関連論文リスト

• Lingshu-Cell: A generative cellular world model for transcriptome modeling toward virtual cells [48.885716676667776]
  Lingshu-Cellは、転写状態の分布を学習し、摂動下で条件シミュレーションをサポートする離散拡散モデルである。 約18,000の遺伝子にまたがる複雑なトランスクリプトーム全体の発現依存性を、以前の遺伝子選択に頼らずに捕捉する。 これは、Virtual Cell Challenge H1遺伝子摂動ベンチマークにおいて、ヒトPBMCのサイトカイン誘発反応の予測において、主要な性能を発揮する。
  論文  参考訳（メタデータ） (2026-03-26T09:46:27Z)
• scDFM: Distributional Flow Matching Model for Robust Single-Cell Perturbation Prediction [12.48933770510505]
  条件付きフローマッチングに基づく生成フレームワークである scDFM を提案する。 scDFMは、細胞レベルでの通信以上の個体群を混乱させ、制御する。
  論文  参考訳（メタデータ） (2026-02-06T17:00:21Z)
• Latent Causal Diffusions for Single-Cell Perturbation Modeling [83.47931153555321]
  測定ノイズ下で観察された定常拡散過程として単細胞遺伝子発現をフレーム化する生成モデルを提案する。 LCDはシングルセルRNAシークエンシングスクリーンにおいて、目に見えない摂動の組み合わせの分布変化を予測するために確立されたアプローチより優れていた。 我々は、摂動応答(CLIPR)を介して因果線形化と呼ばれるアプローチを開発し、全ての遺伝子間の直接的な因果効果を近似する。
  論文  参考訳（メタデータ） (2026-01-20T16:15:38Z)
• 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)
• 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)
• A scalable gene network model of regulatory dynamics in single cells [88.48246132084441]
  本稿では,遺伝子ネットワーク構造を結合微分方程式に組み込んで,遺伝子制御関数をモデル化する機能的学習可能モデルFLeCSを提案する。 FLeCS は (pseudo) 時系列の単一セルデータから, セルの動態を正確に推定する。
  論文  参考訳（メタデータ） (2025-03-25T19:19:21Z)
• CellFlux: Simulating Cellular Morphology Changes via Flow Matching [44.8979602893102]
  本稿では,化学および遺伝的摂動による細胞形態変化をシミュレートする画像生成モデルであるCellFluxを紹介する。 CellFluxは生物学的に意味のある細胞画像を生成し、摂動特異的な形態変化を忠実に捉える。 これらの能力は、生体医学研究のための仮想細胞モデリングの実現に向けた重要な一歩である。
  論文  参考訳（メタデータ） (2025-02-13T21:10:00Z)
• Interpretable Modeling of Single-cell perturbation Responses to Novel Drugs Using Cycle Consistence Learning [11.565323524917693]
  フェノタイプによるスクリーニングは、細胞活性化合物の同定に多くの注目を集めている。 本稿では,初期セル状態を潜在空間にマッピングするディープラーニングフレームワークを提案する。 3種類のデータセットでモデルを検証しました。
  論文  参考訳（メタデータ） (2023-11-17T03:58:59Z)

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。