論文の概要: CloneOT: predicting clone-specific perturbation responses with lineage-supervised neural inverse optimal transport

• arxiv url: http://arxiv.org/abs/2610.16093v1
• Date: Mon, 12 Oct 2026 03:02:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-19 07:43:24.947361
• Title: CloneOT: predicting clone-specific perturbation responses with lineage-supervised neural inverse optimal transport
• Title（参考訳）: CloneOT:系統制御型神経逆輸送を用いたクローン特異的摂動応答の予測
• Abstract要約: 単一セルデータセットからトランスポートコストとトランスポートマップの両方を学習するニューラル逆OT法であるCloneOTを提案する。 我々の実験では、CloneOTは2次元データセット上の正しい転送を回復する一方、正方形ユークリッドコストは失敗することを示した。
• 参考スコア（独自算出の注目度）: 50.03619772831559
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Predicting single-cell perturbation responses requires mapping between two unpaired populations of cells measured before and after the perturbation. Optimal transport (OT) provides a principled framework for constructing such mappings by minimizing the transport cost, and neural OT methods (\textit{e.g.}, CellOT) have been employed for this prediction task. However, these methods rely on a fixed transport cost, typically the squared Euclidean distance. This cost may connect cells with the wrong responses. Lineage tracing provides the information needed to learn the cost, as heritable barcodes link the cells of the same clone before and after the perturbation. Here, we propose \CloneOT, a neural inverse OT method that learns both the transport cost and the transport map from partially lineage-traced single-cell datasets. \CloneOT\ represents the cost as a neural network. It learns the cost by minimizing the extra cost that the lineage adds to the optimal transport, so that the cheapest transport keeps the cells of each clone together. Our experiments demonstrate that \CloneOT\ recovers the correct transport on 2D datasets, while the squared Euclidean cost fails. Moreover, \CloneOT\ outperforms five baselines on 14 lineage-tracing perturbation scenarios of cancer cells, for both seen and unseen clones. Furthermore, we show that \CloneOT\ reveals the clone-specific transcriptional programs of drug-tolerant persister cells and forecasts the fate of each clone from its cells before treatment. Our implementation is available at https://github.com/poseidonchan/CloneOT.
• Abstract（参考訳）: 単細胞摂動応答の予測には、摂動前後に測定された2つの無数の細胞間のマッピングが必要である。 最適輸送(OT)は、輸送コストを最小化し、そのようなマッピングを構築するための原則的なフレームワークを提供し、この予測タスクにはニューラルOT法(\textit{e g }, CellOT)が使用されている。 しかし、これらの手法は固定輸送コスト、典型的には2乗のユークリッド距離に依存している。 このコストは細胞を間違った反応で接続する。 線形追跡は、摂動前後に同じクローンの細胞を繋ぐ遺伝可能なバーコードとして、コストを学習するために必要な情報を提供する。 そこで本研究では,部分的に系統的にトラスされた単一セルデータセットからトランスポートコストとトランスポートマップの両方を学習する,ニューラル逆OT法である \CloneOTを提案する。 \CloneOT\は、ニューラルネットワークとしてのコストを表す。 これは、系統が最適な輸送に付加する余分なコストを最小化することでコストを学習し、最も安価な輸送が各クローンの細胞をまとめて維持する。 実験の結果,正方形ユークリッドのコストが低下する一方, \CloneOT\ は2次元データセット上の正しい輸送を回復することが示された。 さらに、 \CloneOT\ は、癌細胞の14の系統追跡摂動シナリオにおいて、5つのベースラインを上回り、見ないクローンと見えないクローンの両方でパフォーマンスする。 さらに, 薬剤耐性サスペンサー細胞のクローン特異的転写プログラムを明らかにし, 治療前の各クローンの運命を予測する。 私たちの実装はhttps://github.com/poseidonchan/CloneOT.comで公開されています。

関連論文リスト

• One-Step Generative Modeling via Training Dynamics Action [44.53646303421521]
  一段階生成モデルは、反復的な訓練時間輸送によって静的なジェネレータを構築する。 textbfTraining textbfDynamics textbfAction(textbfTDAction)を導入する。
  論文  参考訳（メタデータ） (2026-09-30T18:10:48Z)
• 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)
• Fast and scalable Wasserstein-1 neural optimal transport solver for single-cell perturbation prediction [55.89763969583124]
  最適輸送(OT)理論はそのようなマッピングを構築するための原則的な枠組みを提供する。 We propose a novel solver based on Wasserstein-1 (W$) dual formulation。 我々の実験は、提案した$W$のニューラル・トランスポート・ソルバが、ユニークなモンマップを見つける際に、$W$のOTを模倣できることを実証した。
  論文  参考訳（メタデータ） (2024-11-01T14:23:19Z)
• Structured Transforms Across Spaces with Cost-Regularized Optimal Transport [25.684201757101263]
  我々は,GWとコスト正規化OTの並列性を利用して,地上コストでパラメータ化された線形OTの正規化最小化を行う。 いくつかの二次OT問題はこのカテゴリに該当し、線形変換における構造を強制することを考える。 非整合データからそのような変換を抽出し、その単一セル空間転写/マルチオミクスマッチングタスクへの適用性を示す。
  論文  参考訳（メタデータ） (2023-11-09T23:33:31Z)
• 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)
• Neural Optimal Transport with General Cost Functionals [66.41953045707172]
  一般費用関数の最適輸送計画を計算するニューラルネットワークに基づく新しいアルゴリズムを提案する。 アプリケーションとして,クラス単位の構造を保ちながら,データ分布をマップするコスト関数を構築した。
  論文  参考訳（メタデータ） (2022-05-30T20:00:19Z)

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。