論文の概要: scTrilemma: Balancing Identity, Invariance, and Fidelity in Single-Cell Representation Learning

• arxiv url: http://arxiv.org/abs/2609.38840v2
• Date: Thu, 01 Oct 2026 02:34:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-03 01:19:23.544859
• Title: scTrilemma: Balancing Identity, Invariance, and Fidelity in Single-Cell Representation Learning
• Title（参考訳）: scTrilemma: シングルセル表現学習におけるアイデンティティ、不変性、忠実性のバランス
• Abstract要約: scTrilemmaは、式から派生した変数を埋め込み、デコーダ、または前者にルーティングする潜伏型ボタネックVAEである。 遺伝子発現によって遺伝子トークンをゲートし、デコーダを介して細胞表現をルーティングし、未ラベルの擬似バルクコンテキストで前もって条件付けする。 scTrilemmaは3つの要求を同時にリードし、複数の疾患設定で生物学的状態、差分表現、経路構造を保持する。
• 参考スコア（独自算出の注目度）: 37.03182948961978
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Single-cell RNA-seq representation learning is fundamentally label-free: cell identities, states, and contexts are not fixed training targets, so what constitutes signal or nuisance is analysis-dependent. A single representation must therefore preserve biological identity and state, remain robust to nuisance context, and retain the gene-level variation needed for expression analysis, three demands we call the representation trilemma. To tackle this problem, we introduce scTrilemma, a latent-bottleneck VAE that routes expression-derived variation to the embedding, the decoder, or the prior rather than forcing all of it through one embedding. It gates gene tokens by expression, routes the cell representation through the decoder, and conditions the prior on unlabeled pseudo-bulk context, under a single reconstruction objective and without target annotations or auxiliary representation losses. In release-based zero-shot evaluation on successive CZ CELLxGENE Census releases, scTrilemma leads all three demands at once and preserves biological-state, differential-expression, and pathway structure across multiple disease settings. Latent interventions further show that context can be removed at almost no cost to the other demands, leaving identity against fidelity as the remaining tension. Code is publicly available at https://github.com/yunhak0/scTrilemma.
• Abstract（参考訳）: シングルセルRNA-seq表現学習は基本的にラベルフリーであり、細胞アイデンティティ、状態、コンテキストは固定された訓練対象ではないため、シグナルやニュアンスを構成するものは解析に依存している。 したがって、単一の表現は生物学的アイデンティティと状態を保ち、ニュアンスコンテキストに頑健であり続け、表現分析に必要な遺伝子レベルの変異を保たなければならない。 この問題に対処するために、私たちは1つの埋め込みを通して全てを強制するのではなく、式から派生した変数を埋め込み、デコーダ、あるいは先行にルーティングする潜伏型ボタネックVAEである scTrilemma を紹介します。 遺伝子発現によって遺伝子トークンをゲートし、デコーダを介して細胞表現をルーティングし、単一の再構成目標の下で、ターゲットアノテーションや補助的な表現損失なしで、ラベルなしの擬バルクコンテキストで事前条件を規定する。 連続したCZ cellxGENE Censusリリースにおけるゼロショット評価では、scTrilemmaは3つの要求を同時にリードし、複数の疾患設定で生物学的状態、差分表現、経路構造を保持する。 潜在的介入は、文脈が他の要求にほぼ何の費用もかからず取り除かれることを示し、残りの緊張関係として忠実さに対するアイデンティティが残る。 コードはhttps://github.com/yunhak0/scTrilemma.comで公開されている。

関連論文リスト

• Intrinsic Structure: Spectral Identifiability for Mechanistic Interpretability [51.56484100374058]
  機械論的解釈可能性プリミティブに対する最初の識別可能性定理を証明した。 スペクトルは、正当性分解ではなく、記述されたエラーバーを持つ識別可能なモデル固有の指紋である。
  論文  参考訳（メタデータ） (2026-08-10T19:42:01Z)
• scHelix: Asymmetric Dual-Stream Integration via Explicit Gene-Level Disentanglement [84.88065404629079]
  scHelixは、機能がどのように処理されるかを根本的に変更するデータセット適応フレームワークである。 scHelixは、停止段階のグラフキャッシュを備えたデュアルストリームスパース拡散エンコーダを使用する。 scHelixは最先端のメソッドより優れています。
  論文  参考訳（メタデータ） (2026-05-18T15:55:13Z)
• MAT-Cell: A Multi-Agent Tree-Structured Reasoning Framework for Batch-Level Single-Cell Annotation [81.82645086402366]
  MAT-Cellは,単細胞解析を構築的で検証可能な証明生成に再構成する,ニューロシンボリック推論フレームワークである。 MAT-Cellは、適応型レトリーバル増強生成(RAG)を通じて、生物学的公理の基底神経推論に象徴的な制約を注入し、転写ノイズを減少させる。 最先端のSOTA(State-of-the-art)モデルを大幅に上回り、挑戦的なシナリオにおいて堅牢なパフォーマンスを維持します。
  論文  参考訳（メタデータ） (2026-04-07T04:56:06Z)
• Bias Inheritance in Neural-Symbolic Discovery of Constitutive Closures Under Function-Class Mismatch [1.6249267147413524]
  PDE構造を持つ非線形反応拡散系における閉包のデータの駆動的発見について検討する。 物理的制約下で数値的代理を学習し、これらの代理を制限可能な記号族に圧縮し、未知の初期条件で明示的な前方シミュレーションによってシンボル的クロージャを検証する3段階のニューラルネットワーク・シンボリック・フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-04-01T19:39:04Z)
• Non-Resolution Reasoning (NRR): A Computational Framework for Contextual Identity and Ambiguity Preservation [0.0]
  現在の人工知能システムは、曖昧さを早期に解決する、基本的なアーキテクチャ上の限界を示す。 この早期のセマンティック崩壊は、標準的なニューラルネットワークに埋め込まれた古典的なアイデンティティの仮定に由来する。 あいまいさ保持を有効な推論モードとして扱う計算フレームワークであるNon-Resolution Reasoning (NRR)を提案する。
  論文  参考訳（メタデータ） (2025-12-15T16:14:32Z)
• COIN: Confidence Score-Guided Distillation for Annotation-Free Cell Segmentation [2.5234274237739402]
  提案するCOIN(Confidence score-guided Instance distillation)は、3つの重要なステップを持つ新しいアノテーションフリーフレームワークである。 COINは最適なトランスポートを持つ教師なしセマンティックセグメンテーションを通じてエラーのないインスタンスの存在に対する感度を高める。 接地真理アノテーションの代替を提供し、接地真理アノテーションの代替を提供する。
  論文  参考訳（メタデータ） (2025-03-14T14:27:24Z)
• Spatial Semantic Recurrent Mining for Referring Image Segmentation [63.34997546393106]
  高品質なクロスモーダリティ融合を実現するために,Stextsuperscript2RMを提案する。 これは、言語特徴の分散、空間的意味的再帰的分離、パーセマンティック・セマンティック・バランシングという三部作の作業戦略に従う。 提案手法は他の最先端アルゴリズムに対して好適に機能する。
  論文  参考訳（メタデータ） (2024-05-15T00:17:48Z)
• Weakly-Supervised Cross-Domain Adaptation for Endoscopic Lesions Segmentation [79.58311369297635]
  異なるデータセットにまたがるトランスファー可能なドメイン不変知識を探索できる,新しい弱い教師付き病巣移動フレームワークを提案する。 wasserstein quantified transferability frameworkは、広い範囲の転送可能なコンテキスト依存性を強調するために開発されている。 新規な自己監督型擬似ラベル生成器は、送信困難かつ転送容易なターゲットサンプルの両方に対して、確実な擬似ピクセルラベルを等しく提供するように設計されている。
  論文  参考訳（メタデータ） (2020-12-08T02:26:03Z)

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。