論文の概要: VCLMU: Mechanism-Centric Virtual Cell World Modeling for Perturbation Response

• arxiv url: http://arxiv.org/abs/2610.04475v1
• Date: Sat, 03 Oct 2026 12:26:20 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-10-06 20:54:31.902378
• Title: VCLMU: Mechanism-Centric Virtual Cell World Modeling for Perturbation Response
• Title（参考訳）: VCLMU:摂動応答のためのメカニズム中心仮想細胞世界モデリング
• Abstract要約: 遺伝的摂動に対する細胞応答を予測することは、仮想細胞の中心的な能力である。 細胞状態をLMU(Latent Mechanism Units)の集合として表現するメカニズム中心の仮想細胞世界モデルを導入する。
• 参考スコア（独自算出の注目度）: 20.193311287674604
• License:
• Abstract: Predicting cellular responses to genetic perturbations is a central capability for virtual cells and a key step toward computational modeling of biological interventions. Most existing models directly map an unperturbed molecular profile and perturba- tion to the resulting observation without explicitly representing the latent cellular transition induced by the intervention. We introduce a mechanism-centric virtual cell world model that represents cellular state as a set of Latent Mechanism Units (LMUs) and treats genetic perturbations as actions on these latent states. Each LMU combines a reusable identity grounded in multimodal biological evidence with an observation-specific state, allowing a perturbation to induce mechanism- specific stochastic transitions before decoding the resulting transcriptional response. We train VCLMU through two-stage pretraining, first on around 200K pseudo-bulk perturbation profiles and then on gene-aligned single-cell perturbation data. Across six perturbation-disjoint benchmarks, VCLMU consistently improves perturbation- specific response recovery over strong baselines while maintaining competitive global response accuracy. We further analyze learned LMUs through enrichment between perturbation responses and LMU gene sets and show that they capture structured biological response programs. These results support mechanism-level latent state transition as a useful formulation for virtual cell models that aim to predict and interpret cellular responses to biological interventions.
• Abstract（参考訳）: 遺伝的摂動に対する細胞応答の予測は、仮想細胞の中心的な能力であり、生物学的介入の計算モデルへの重要なステップである。 既存のモデルのほとんどは、介入によって引き起こされる潜伏した細胞転移を明示的に表すことなく、未成熟の分子プロファイルとパーターバイオンを直接観察結果にマッピングする。 我々は、細胞状態を潜在機構単位(LMU)の集合として表現し、遺伝摂動をこれらの潜伏状態に対する作用として扱うメカニズム中心の仮想細胞世界モデルを導入する。 それぞれのLMUは、マルチモーダルな生物学的証拠に根ざした再利用可能なアイデンティティと観察特異的な状態を組み合わせることで、摂動は結果として生じる転写応答を復号する前にメカニズム特異的な確率遷移を誘導する。 我々は、VCLMUを2段階プレトレーニングでトレーニングし、まず約200Kの擬バルク摂動プロファイルを、次に遺伝子に整列した単細胞摂動データでトレーニングする。 VCLMUは6つの摂動不整合ベンチマークを通じて、競争力のあるグローバル応答精度を維持しながら、強いベースライン上での摂動特異的応答回復を継続的に改善する。 さらに、摂動応答とLMU遺伝子セットの富化を通して学習されたLMUを分析し、構造化された生物応答プログラムを捉えることを示す。 これらの結果は、生物学的介入に対する細胞応答の予測と解釈を目的とした仮想細胞モデルの有用な定式化として、メカニズムレベルの潜伏状態遷移を支持する。

関連論文リスト

• Learning Latent Dynamical Causal Processes for Single-Cell Perturbation Prediction [40.68914450179759]
  単細胞摂動予測は、細胞が目に見えない介入にどのように反応するかを推測することを目的としている。 単一セル摂動データに対する潜在動的因果生成モデルを提案する。 適切な条件下では、潜伏因果変数は標準同値クラスまで回復可能である。
  論文  参考訳（メタデータ） (2026-05-25T08:32:23Z)
• 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)
• 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)
• VCWorld: A Biological World Model for Virtual Cell Simulation [17.544411742899523]
  本稿では、構造化された生物学的知識と大規模言語モデルの反復的推論能力を統合する、セルレベルのホワイトボックスシミュレータであるVCWorldを紹介する。 VCWorldは、摂動誘起シグナリングカスケードを再現し、解釈可能なステップワイズ予測を生成するために、データ効率のよい方法で運用されている。
  論文  参考訳（メタデータ） (2025-11-29T04:02:24Z)
• 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)

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。