論文の概要: TempoBridge: Source-Conditioned Flow Matching with Optimal Transport Couplings for Single-Cell Population Transitions
- arxiv url: http://arxiv.org/abs/2610.04945v1
- Date: Sun, 04 Oct 2026 04:39:07 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-11 07:39:20.581552
- Title: TempoBridge: Source-Conditioned Flow Matching with Optimal Transport Couplings for Single-Cell Population Transitions
- Title（参考訳）: TempoBridge:単一セル集団遷移のためのソースコンディションドフローマッチングと最適輸送結合
- Abstract要約: 本稿では,TempoBridgeについて紹介する。TempoBridgeは,時間的,遺伝的,化学的な移行のための共通ソース条件のトランスポート定式化である。
条件付きフローマッチングトレーニングパスのみに最適な輸送供給結合。
その結果, ドナー, 遺伝子組み換え, 化合物間の共通ソース条件輸送の予測的有用性を示した。
- 参考スコア（独自算出の注目度）: 13.265959661317716
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Destructive single-cell measurements provide unpaired population snapshots rather than observations of the same cells across conditions. Local cell states and transition requests may also be insufficient to distinguish responses across source populations. We introduce TempoBridge, a common source-conditioned transport formulation for temporal, genetic, and chemical population transitions. Source cells initialize latent transport and provide a fixed empirical population summary. The velocity field receives this summary alongside the evolving cell state, flow time, and a structured transition descriptor. Minibatch optimal transport (OT) supplies couplings only for conditional flow-matching training paths; inference requires neither target expression nor OT computation. On held-out donors, TempoBridge achieves an Energy distance of 0.129 versus 0.144 for scGen. Genetic mean-expression $L_2$ error is 2.261 versus 3.156 for scGPT-scratch under Seen 2/2. On held-out compounds, condition-averaged drug-effect correlation is 0.598 versus 0.561 for the CellFlow adapter. Temporal ablations show higher mean distributional error after removing source context, replacing optimal transport with random pairing, or replacing flow matching with static residual regression. Together, these results demonstrate the predictive utility of a common source-conditioned transport formulation across held-out donors, gene combinations, and compounds.
- Abstract（参考訳）: 破壊的な単一細胞測定は、条件を越えて同じ細胞を観察するよりも、不適切な集団スナップショットを提供する。
局所的な細胞状態と遷移要求は、ソースの個体群間での応答を区別するのにも不十分である。
本稿では,TempoBridgeについて紹介する。TempoBridgeは,時間的,遺伝的,化学的な移行のための共通ソース条件のトランスポート定式化である。
ソース細胞は潜伏輸送を初期化し、固定された経験的集団要約を提供する。
速度場は、この要約を、進化するセル状態、フロー時間、構造化遷移記述子と共に受信する。
ミニバッチ最適輸送(OT)は、条件付きフローマッチングトレーニングパスのみに結合を提供し、推論はターゲット表現もOT計算も必要としない。
ホールドアウトドナーでは、TempoBridge は scGen のエネルギー距離 0.129 に対して 0.144 である。
遺伝的平均表現$L_2$エラーは2.261対3.156である。
保留化合物では,CellFlowアダプタは0.598対0.561である。
時間短縮は、ソースコンテキストを削除し、最適輸送をランダムなペアリングに置き換え、フローマッチングを静的な残留回帰に置き換えた後、平均分布誤差を高くする。
これらの結果は, 保留ドナー, 遺伝子組換え, 化合物間の共通ソース条件輸送定式化の予測的有用性を示すものである。
関連論文リスト
- Generalizable single-cell perturbation response prediction using energy-guided flow matching [53.501471839336084]
scEGFlowは、制御と摂動した細胞状態をブリッジするエネルギー誘導フローマッチングフレームワークである。
scEGFlowは条件付きフローマッチングを用いて制御セルから摂動状態への連続的な遷移をモデル化する。
次に、これらの予測を補正し、操縦するために条件特異的なエネルギー勾配を適用し、フローモデルを再訓練することなく柔軟な調整を可能にする。
論文 参考訳（メタデータ） (2026-09-27T03:53:41Z) - Expected Batch Optimal Transport Plans and Consequences for Flow Matching [6.30004266133706]
ランダムなミニバッチ上で最適なトランスポートを解くことは、大規模学習における正確なOTの一般的なサロゲートである。
我々は、この結合を期待バッチOTプラン$overline_k$として定式化し、実験OTプランを$k$の独立したミニバッチに対して平均化する。
我々は, OTバッチサイズが, 抽出可能な2原子モデルおよび合成および画像実験において, 数値積分とどのように相互作用するかを定量化する。
論文 参考訳（メタデータ） (2026-05-12T14:19:09Z) - Augmented transfer regression learning for completely missing covariates [0.8603348174612194]
大規模な集団レベルのデータセットは、遺伝的、ライフスタイルなどの特定の分析に必要な共変量を持たないことが多いが、関連する研究はそれらを測定している。
これにより、クロスポピュレーションの欠落したデータ問題が発生する。
本稿では,この設定のための拡張転送回帰学習法を提案する。
論文 参考訳（メタデータ） (2026-05-06T03:48:28Z) - 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) - 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) - The Curse of Conditions: Analyzing and Improving Optimal Transport for Conditional Flow-Based Generation [56.33404393159126]
本稿では,最適輸送代入を計算する際に,コスト行列に条件付き重み付け項を追加する条件付き最適輸送C2OTを提案する。
実験では、この単純な修正は8gaussian-to-moons、CIFAR-10、ImageNet-32x32、ImageNet-256x256の離散的条件と連続的条件の両方で動作することを示した。
論文 参考訳（メタデータ） (2025-03-13T17:59:56Z) - Neural Unbalanced Optimal Transport via Cycle-Consistent Semi-Couplings [10.47175870857988]
我々は、半カップリングの形式に依存して質量の生成と破壊を考慮に入れた、神経的不均衡OTの定式化であるNubOTを紹介する。
本手法は, がん細胞株の様々な薬物に対する不均一反応を予測するための課題に応用する。
論文 参考訳（メタデータ） (2022-09-30T17:48:04Z) - Comparing Probability Distributions with Conditional Transport [63.11403041984197]
新しい発散として条件輸送(CT)を提案し、償却されたCT(ACT)コストと近似します。
ACTは条件付き輸送計画の計算を補正し、計算が容易な非バイアスのサンプル勾配を持つ。
さまざまなベンチマークデータセットのジェネレーティブモデリングでは、既存のジェネレーティブ敵対ネットワークのデフォルトの統計距離をACTに置き換えることで、一貫してパフォーマンスを向上させることが示されています。
論文 参考訳（メタデータ） (2020-12-28T05:14:22Z)
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。