論文の概要: Beyond Action Entropy: Quotient-Space Exploration for Genome-Scale Metabolic Model Repair

• arxiv url: http://arxiv.org/abs/2610.11627v1
• Date: Thu, 08 Oct 2026 10:05:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-10 02:36:53.942078
• Title: Beyond Action Entropy: Quotient-Space Exploration for Genome-Scale Metabolic Model Repair
• Title（参考訳）: 行動エントロピーを超えて:ゲノム規模の代謝モデル修復のためのクオリティ空間探索
• Abstract要約: ゲノムスケールメタボリックモデル (GEM) の修復について検討し、複数の反応編集で同じ表現型を説明でき、多くの明らかな編集が同じ生物学的機構に対応することを示した。 等価な補修を標準的機構に分解し,結果の商空間上での探索を直接最適化するQuotientPOを導入する。 これらの結果は、検証者による等価性の下でのメカニズムレベルの発見に対する原則的アプローチとして、商空間探索を確立している。
• 参考スコア（独自算出の注目度）: 15.574695425203556
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Repairing scientific models from functional observations differs fundamentally from supervised prediction: feedback may certify a solution without revealing which structural correction is responsible. We study this setting for genome-scale metabolic model (GEM) repair, where multiple reaction edits can explain the same phenotypes and many apparently distinct edits correspond to the same biological mechanism. This many-to-one structure creates a hidden failure mode for conventional exploration: diversity in the output space need not translate into diversity of scientific hypotheses. We introduce QuotientPO, which collapses equivalent repairs into canonical mechanisms and optimizes exploration directly over the resulting quotient space. To make quotient exploration informative under finite rollouts, we derive a kernelized Rényi estimator that resolves graded crowding among distinct repair cores beyond coarse exact-match counts. On 2,212 held-out GEMs, QuotientPO improves Success@32 from 17.93% to 20.10% (+12.1% relative) while consistently increasing distinct successful-core discovery under the same sampling budget. These results establish quotient-space exploration as a principled approach to mechanism-level discovery under verifier-induced equivalence.
• Abstract（参考訳）: 科学的モデルを機能的な観測から修復することは、教師付き予測と根本的に異なる: フィードバックは、どの構造的修正が原因であるかを明らかにすることなく、解を証明できる。 本研究では, ゲノムスケール代謝モデル (GEM) の修復について検討し, 複数の反応編集で同じ表現型を説明でき, 明らかに異なる多くの編集が同じ生物学的機構に対応していることを明らかにした。 出力空間の多様性は科学的な仮説の多様性に変換する必要はない。 等価な補修を標準的機構に分解し,結果の商空間上での探索を直接最適化するQuotientPOを導入する。 有限ロールアウトの下で商探索を情報化するために、厳密な完全マッチ数を超えた個別の修理コア間の次数化群を解消する、核化されたレニイ推定器を導出する。 2,212基のGEMで、QuotientPOは17.93%から20.10%(+12.1%)に改善した。 これらの結果は、検証者による等価性の下でのメカニズムレベルの発見に対する原則的アプローチとして、商空間探索を確立している。

関連論文リスト

• Diagnosing Faults in Reinforcement Learning Simulators and World Models with Canonical Polynomial Invariants [0.0]
  Acrobot 上の Grbner ベースを$mathbbQ$ に減らしたとして、軌道から復元された正確な不変量を使用します。 Acrobotでは、正確さは予測にはほとんどメリットがないが、一貫性は基本的に変わらない。 我々は,違反した物理的制約を識別するスクリーニングと,不正な不変性を回復する属性の2つの手順を開発する。
  論文  参考訳（メタデータ） (2026-08-12T15:28:11Z)
• One Reflection Is Not Enough: Self-Correcting Autonomous Research via Multi-Hypothesis Failure Attribution [85.65263343588026]
  我々は,自己修正型,自律型,接地型実験機であるSAGEを提案する。 その中核的なメカニズムであるMHFA(Multi-Hypothesis Failure Attribution)は、回復を構造的因果診断として扱う。 12のトピック、5ドメインのベンチマークでは、SAGEは基準リフレクションでメトリクスを含むアウトプットを42%から92%に増やしている。
  論文  参考訳（メタデータ） (2026-06-30T10:54:16Z)
• All Circuits Lead to Rome: Rethinking Functional Anisotropy in Circuit and Sheaf Discovery for LLMs [61.02007370456733]
  一つのタスクを複数の、構造的に異なる回路やシーブでサポートできることを示し、同時に忠実で、疎結合で、完全であることを示す。 分布回路仮説を提案し,高次元重ね合わせから自然に非一様で低オーバーラップ回路の説明が生じることを示す理論的解析を行った。
  論文  参考訳（メタデータ） (2026-05-12T19:21:23Z)
• Heterogeneous Ordinal Structure Learning with Bayesian Nonparametric Complexity Discovery [1.089614199781423]
  既存の順序構造学習者は、すべての回答者に対して共有指向非巡回グラフ(DAG)を仮定する。 最近の順序的グラフィカルモデルアプローチは、クラスタ固有のDAG推定ではなく、サブグループ発見に焦点を当てている。
  論文  参考訳（メタデータ） (2026-05-05T18:32:49Z)
• Reaction Prediction via Interaction Modeling of Symmetric Difference Shingle Sets [4.597922051722059]
  化学反応予測のための新しい機械学習モデルReaDISHを提案する。 相互作用認識機能を導入しながら、置換不変表現を学習する。 R$2$の順に平均8.76%の改善が加えられた。
  論文  参考訳（メタデータ） (2025-11-09T12:29:16Z)
• Domain-Informed Genetic Superposition Programming: A Case Study on SFRC Beams [9.17282078449475]
  本研究はドメインインフォームド遺伝子重畳プログラミング(DIGSP)を提案する。 DIGSPは入力空間をドメイン固有の特徴サブセットに分割し、独立した遺伝的プログラミング(GP)集団を進化させ、物質固有の効果をモデル化する。 65%のトレーニング、10%のバリデーション、25%のテスト分割を含む30の独立した試験において、DIGSPはトレーニングおよびテストルート平均二乗誤差(RMSE)において一貫してBGPを上回った。
  論文  参考訳（メタデータ） (2025-09-20T03:32:31Z)
• 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)
• Causal Discovery in Heterogeneous Environments Under the Sparse Mechanism Shift Hypothesis [7.895866278697778]
  機械学習のアプローチは、一般に独立で同一に分散されたデータ(すなわち、d)の仮定に依存する。 実際、この仮定は環境間の分散シフトによってほとんど常に破られる。 そこで我々は,様々な経験的推定器に適用可能なスコアベースアプローチであるメカニズムシフトスコア(MSS)を提案する。
  論文  参考訳（メタデータ） (2022-06-04T15:39:30Z)
• BaCaDI: Bayesian Causal Discovery with Unknown Interventions [118.93754590721173]
  BaCaDIは因果構造と介入の両方の潜在確率的表現の連続的な空間で機能する。 BaCaDIは、合成因果発見タスクとシミュレートされた遺伝子発現データの実験において、因果構造と介入ターゲットを識別する関連手法より優れている。
  論文  参考訳（メタデータ） (2022-06-03T16:25:48Z)
• Discovering Latent Causal Variables via Mechanism Sparsity: A New Principle for Nonlinear ICA [81.4991350761909]
  ICA(Independent component analysis)は、この目的を定式化し、実用的な応用のための推定手順を提供する手法の集合を指す。 潜伏変数は、潜伏機構をスパースに正則化すれば、置換まで復元可能であることを示す。
  論文  参考訳（メタデータ） (2021-07-21T14:22:14Z)

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。