論文の概要: MRFlow: Mechanism-Structured Residual Flow Matching for Virtual Cell Perturbation Prediction
- arxiv url: http://arxiv.org/abs/2610.13966v1
- Date: Thu, 10 Sep 2026 09:55:56 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-18 21:02:54.442604
- Title: MRFlow: Mechanism-Structured Residual Flow Matching for Virtual Cell Perturbation Prediction
- Title（参考訳）: MR Flow:仮想セル摂動予測のためのメカニズム構造化残留流れマッチング
- Abstract要約: MRFlowは仮想セル予測を経験的単一セル測度間の条件伝達として扱う。
遺伝的摂動は、規制グラフGCN、モーガンの指紋による化学摂動を通じてコード化され、どちらも同じ条件力学インターフェースに入る。
- 参考スコア（独自算出の注目度）: 2.3626723676575025
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Predicting cellular responses to chemical and genetic perturbations is a central test for AI virtual cells, yet many single-cell models reduce each condition to an average expression shift. This target is misaligned with perturbation biology: rare states, resistant subpopulations, and context-dependent effect sizes may coexist under the same intervention. MRFlow treats virtual-cell prediction as conditional transport between empirical single-cell measures. Control and perturbed cells are embedded in a variational latent state space, greedy low-cost supervision is constructed over detached minibatch states, and a conditional flow-matching vector field transports control populations toward perturbed populations. The field decomposes into a mechanism-structured affine dictionary, which recombines shared latent response operators with a low-rank condition-specific correction, and a spectrally controlled residual field for nonlinear cell-level variation. Genetic perturbations are encoded through a regulatory-graph GCN, chemical perturbations through Morgan fingerprints, and both enter the same conditional dynamics interface. Across eight gene and drug perturbation benchmarks, MRFlow attains the highest composite score while preserving competitive raw performance on differential-expression and distributional metrics. The results support latent distribution transport as a principled and empirically effective formulation for perturbation-aware virtual cell modeling.
- Abstract（参考訳）: 化学的および遺伝的摂動に対する細胞応答を予測することは、AI仮想細胞の中心的なテストであるが、多くの単細胞モデルでは各条件を平均的な表現シフトに還元している。
この標的は摂動生物学と誤解され、希少な状態、抵抗性サブポピュレーション、文脈依存的な効果サイズは、同じ介入の下で共存する。
MRFlowは仮想セル予測を経験的単一セル測度間の条件伝達として扱う。
制御セルと摂動セルは変動型潜伏状態空間に埋め込まれ,非接触型ミニバッチ状態上に低コスト監視が構築され,条件付き流動整合ベクトル場が個体群を摂動集団へ移動させる。
フィールドは、共用潜伏応答演算子を低ランク条件特異的な補正で再結合する機構構造アフィン辞書と、非線形セルレベルの変動に対してスペクトル制御された残留フィールドに分解される。
遺伝的摂動は、規制グラフGCN、モーガンの指紋による化学摂動を通じてコード化され、どちらも同じ条件力学インターフェースに入る。
8つの遺伝子および薬物摂動ベンチマークで、MRFlowは、差分表現と分布の指標で競合する生のパフォーマンスを保ちながら、最も高い合成スコアを達成している。
その結果,摂動を意識した仮想細胞モデリングの原理的かつ実験的に有効な定式化として,潜時分布輸送を支援した。
関連論文リスト
- VCLMU: Mechanism-Centric Virtual Cell World Modeling for Perturbation Response [20.193311287674604]
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。
論文 参考訳（メタデータ） (2026-10-03T12:26:20Z) - DRIFT: Disentangled Responsive-Invariant Flow Transport for Single-Cell Perturbation Prediction [14.773437349760181]
摂動に対する細胞応答の予測は細胞生物学の中心的な問題である。
我々は、既存の変動性を考慮せずに、フレキシブルでデータ駆動型摂動効果モデルを開発する。
論文 参考訳（メタデータ） (2026-09-28T13:12:33Z) - 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) - PRiMeFlow: Capturing Complex Expression Heterogeneity in Perturbation Response Modelling [2.0981373472250033]
PRiMeFlowは、遺伝子発現空間における遺伝的および小分子摂動の影響を直接モデル化するための、エンドツーエンドのフローマッチングに基づくアプローチである。
PRiMeFlowによる分布適合性アプローチにより、単細胞遺伝子発現の実験的分布を正確に近似することができる。
論文 参考訳（メタデータ） (2026-04-15T15:33:07Z) - 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) - 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) - 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) - 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)
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。