論文の概要: GenoTrace: Inheritable Watermarks for Genome Foundation Model Distillation
- arxiv url: http://arxiv.org/abs/2609.35881v2
- Date: Thu, 01 Oct 2026 22:13:43 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-06 00:14:29.936629
- Title: GenoTrace: Inheritable Watermarks for Genome Foundation Model Distillation
- Title（参考訳）: GenoTrace:ゲノムモデル蒸留のための継承可能な透かし
- Abstract要約: トークンレベルの2つの要因は、コドンの位置と生物固有のコドンの使用を用いて教師の生成バイアスを調節する。
結果として得られたシーケンスは、出力がアクティブなウォーターマークプロセッサなしで監査される小さな学生を訓練する。
GenoTraceは、実際のトークンレベルの構築と、ゲノム構造がどのように継承された透かし信号を形成するかの実証的な説明を提供する。
- 参考スコア（独自算出の注目度）: 4.564848621539382
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Can a genome model retain a detectable record of the synthetic sequences used to train it? We study watermark inheritance through distillation with GenoTrace, a codon-aware extension of green-list watermarking. Two token-level factors modulate the teacher's generation bias using codon position and organism-specific codon usage. The resulting sequences train a smaller student, whose outputs are audited without an active watermark processor. In a three-seed GenomeOcean-500M-to-100M experiment, the joint configuration achieves a mean audit score of 17.88 and 94.5% detection at a fixed threshold. It retains 49.0% detection after key-aware token substitution, compared with 0% for the available single-seed plain-watermark comparator, and 47.0% after combined mechanism-targeted nucleotide edits. Additional experiments establish inherited signal across five organism-conditioned datasets and teacher-student size ratios up to 40. Component ablations and computational sequence-quality assays reveal distinct operating points for detection strength and coding coverage. GenoTrace provides a practical token-level construction and an empirical account of how genomic structure shapes inherited watermark signals. The findings concern shared-tokenizer distillation and the tested editing procedures, with calibration and biological utility treated as separate evaluation requirements.
- Abstract（参考訳）: ゲノムモデルは、それを訓練するために使用される合成配列の検出可能な記録を保持することができるか?
緑系透かしのコドン対応拡張であるGenoTraceを用いて蒸留による透かしの継承について検討した。
トークンレベルの2つの要因は、コドンの位置と生物固有のコドンの使用を用いて教師の生成バイアスを調節する。
結果として得られたシーケンスは、出力がアクティブなウォーターマークプロセッサなしで監査される小さな学生を訓練する。
3シードのGenomeOcean-500M-to-100M実験では、関節構成は平均監査スコア17.88と94.5%を一定の閾値で検出する。
キー認識トークン置換後の検出は49.0%であり、利用可能な単座の平透かしコンパレータでは0%、複合されたメカニズム標的のヌクレオチド編集では47.0%である。
追加の実験では、5つの生物条件付きデータセットと教師/学生の比率を最大40まで継承する信号が確立された。
成分増幅と計算シーケンス品質測定は、検出強度と符号化カバレッジの異なる演算点を明らかにする。
GenoTraceは、実際のトークンレベルの構築と、ゲノム構造がどのように継承された透かし信号を形成するかの実証的な説明を提供する。
本研究は, キャリブレーションと生物利用を別途評価条件として, 共用トケナイザー蒸留法と試験用編集法について検討した。
関連論文リスト
- 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) - DNA: Dual-stage Native Attribution for Generated Image Source Tracing [75.65470221927096]
既存のプロアクティブな方法は、透かしの埋め込みやモデル修正に依存している。
DNAは、ニューラルネットワークのトレーニングを追加せずに、この階層に従う粗大なフレームワークである。
実験の結果、DNAは89.11%のエンドツーエンドの属性精度を達成している。
論文 参考訳（メタデータ） (2026-07-15T10:27:52Z) - Stable-Shift: Biologically Structured Prediction of Transcriptional Responses to Unseen Gene Perturbations [8.089217380596391]
安定シフト (Stable-Shift) は、未知の遺伝子応答を推定する構造的手法である。
システムはSTRINGインタラクション、ネットワーク構造、制御セル表現統計、遺伝子オントロジーアノテーションを組み合わせる。
平均コサイン類似度は0.589+/-0.008であった。
論文 参考訳（メタデータ） (2026-06-22T19:48:07Z) - Evaluating the Effectiveness of LLMs in Aiding Compliance Testing of PKCS#1-v1.5 [0.0]
仕様準拠のためのバイナリプロトコルの実装をテストするには、構造的制約と意味的制約の両方を満たす入力が必要である。
本研究は, LLMに基づくコード合成と文法レベルの変異が, 仕様コンプライアンステストにおいて, より実用的で一般化可能なアプローチとして機能するかどうかを考察する。
論文 参考訳（メタデータ） (2026-06-16T18:54:57Z) - Conditioning Protein Generation via Hopfield Pattern Multiplicity [0.0]
幾何学的注意によるタンパク質配列生成は、トレーニングなしで小さなアライメントから可塑性ファミリーを生産する。
サンプルの注意ログにバイアスとして付加された1つのスカラーパラメータが、フルファミリーからユーザ特定サブセットへ連続的に生成することを示す。
5種のPfam族に対する実験により,4つの領域にわたる分離とギャップのモノトニックな関係が確認された。
論文 参考訳（メタデータ） (2026-03-20T16:38:15Z) - X-Mark: Saliency-Guided Robust Dataset Ownership Verification for Medical Imaging [67.85884025186755]
高品質な医用画像データセットは深層学習モデルの訓練には不可欠であるが、その無許可の使用は重大な著作権と倫理的懸念を提起する。
医用画像は、自然画像用に設計された既存のデータセットの所有権検証方法に固有の課題を示す。
胸部X線著作権保護のためのサンプル特異的クリーンラベル透かし法であるX-Markを提案する。
論文 参考訳（メタデータ） (2026-02-10T00:03:43Z) - Contrastive Deep Learning for Variant Detection in Wastewater Genomic Sequencing [0.0]
本稿では,Vector-Quantized Variational Autoencoders (VQ-VAE) を用いた非教師付きウイルス変異検出のための包括的フレームワークを提案する。
VQ-VAEは、参照ゲノムや変異ラベルを必要とせずに、k-merトークン化配列からゲノムパターンの離散コードブックを学習する。
我々のフレームワークは、ゲノム監視のスケーラブルで解釈可能なアプローチと、公衆衛生モニタリングへの直接的な応用を提供する。
論文 参考訳（メタデータ） (2025-12-02T19:04:05Z) - Enhancing Downstream Analysis in Genome Sequencing: Species Classification While Basecalling [1.0017486177151396]
本稿では,ヌクレオチド配列の決定と並行して,シークエンシング装置からの信号のプロファイリングを行う手法を提案する。
本稿では,共有層に対するモデル重みを組み合わせて,ベースコールと分類の損失を個別にバックプロモートする新たな損失戦略を提案する。
我々は最先端のベースコール精度を達成する一方、分類精度は最先端のバイナリ分類器の結果を超えている。
論文 参考訳（メタデータ） (2025-04-09T17:30:43Z) - Fast and Functional Structured Data Generators Rooted in Out-of-Equilibrium Physics [44.97217246897902]
エネルギーモデルを用いて、構造化データセットで高品質なラベル特化データを生成するという課題に対処する。
伝統的な訓練方法は、マルコフ連鎖モンテカルロ混合による困難に遭遇する。
非平衡効果を利用した新しいトレーニングアルゴリズムを用いる。
論文 参考訳（メタデータ） (2023-07-13T15:08:44Z) - G-DetKD: Towards General Distillation Framework for Object Detectors via
Contrastive and Semantic-guided Feature Imitation [49.421099172544196]
そこで本研究では,すべてのピラミッドレベルにまたがる特徴ペア間のソフトマッチングを自動的に行う,意味誘導型特徴模倣手法を提案する。
また,異なる特徴領域間の関係で符号化された情報を効果的に捉えるために,コントラスト蒸留を導入する。
本手法は,(1)フレームワークのコンポーネントを別々に使用した場合に,既存の検出KD技術よりも優れた性能を発揮する。
論文 参考訳（メタデータ） (2021-08-17T07:44:27Z) - Multilabel 12-Lead Electrocardiogram Classification Using Gradient
Boosting Tree Ensemble [64.29529357862955]
我々は,心電図の診断を分類するために,形態や信号処理機能に適合した勾配強化木のアンサンブルを用いたアルゴリズムを構築した。
各リードについて、心拍変動、PQRSTテンプレート形状、全信号波形から特徴を導出する。
各クラスに属するECGインスタンスの確率を予測するため、全12項目の特徴と合わせて、勾配を増す決定ツリーの集合に適合する。
論文 参考訳（メタデータ） (2020-10-21T18:11:36Z)
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。