論文の概要: Reducing double-dipping in single-cell topic models with three-way count splitting

• arxiv url: http://arxiv.org/abs/2610.24130v1
• Date: Fri, 16 Oct 2026 19:02:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-26 10:49:15.02025
• Title: Reducing double-dipping in single-cell topic models with three-way count splitting
• Title（参考訳）: 3方向カウント分割によるシングルセルトピックモデルにおけるダブルディッピングの低減
• Abstract要約: トピックモデルは、単一セルRNAシークエンシングデータから遺伝子プログラムを学習する。 同じ数を使って、どの遺伝子とドナーがこれらのプログラムに関連付けられているかを検査する。 カウント分割はこの再利用の標準的な方法であるが、エンコーダが各セルのカウントを読み取る際にはテストされていない。
• 参考スコア（独自算出の注目度）: 1.1168121941015015
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Topic models learn gene programs from single-cell RNA sequencing (scRNA-seq) data, and the same counts are then used to test which genes and donors are associated with those programs. Count splitting is the standard remedy for this reuse, but it has not been tested when an encoder reads each cell's counts. On a 104,400-cell lupus cohort with 300 permuted null genes per run, naive tests rejected 36% of null gene-topic pairs at a nominal 5% level, and the usual two-way split rejected 38%, because the encoder sees the tested gene's own held-out count. Encoding topic usage on a separate third of the counts, with beta-binomial thinning, lowered this to 7.7% (6.7% for genes outside the model); for two other models, LDVAE and scETM, the rate was 7.0-7.3% (naive 51-59%). A label-free interferon program shifts in held-out counts in the lupus cohort and in a pre-specified COVID-19 cohort, and donor-level topic usage predicts disease (AUROC 0.96) beyond cell-type proportions (0.86 and 0.58 in the two cohorts). Calibration and prediction did not depend on the model. We do not claim better clustering, prediction or topic stability. Code, figures and result tables are public (MIT license; DOI 10.5281/zenodo.23307193).
• Abstract（参考訳）: トピックモデルはシングルセルRNAシークエンシング(scRNA-seq)データから遺伝子プログラムを学習し、同じカウントを使用して、どの遺伝子とドナーがそれらのプログラムに関連付けられているかをテストする。 カウント分割はこの再利用の標準的な方法であるが、エンコーダが各セルのカウントを読み取る際にはテストされていない。 104,400セルのルパスコホートに300個のヌクレオチドヌクレオチド遺伝子が置換され、ナイーブテストでは、ヌクレオチド遺伝子対の36%を名目上の5%レベルで拒絶し、通常の2方向分割では、エンコーダが検査された遺伝子の保留数を見るため38%を拒絶した。 異なる3分の1のカウントでトピックをエンコードし、ベータ二項スライニングでこれを7.7%(モデル外の遺伝子は6.7%)に下げ、LDVAEと scETMの2モデルでは7.0-7.3%(51-59%)とした。 ラベルフリーインターフェロンプログラムは、ループス・コホートおよびあらかじめ特定された新型コロナウイルスコホートにおける保持数にシフトし、ドナーレベルのトピックの使用は、細胞型の割合(2つのコホートでは0.86と0.58)を超えて疾患(AUROC 0.96)を予測する。 校正と予測はモデルに依存しなかった。 より優れたクラスタリング、予測、トピック安定性は要求しません。 コード、数字、結果表は公開されている(MITライセンス、DOI 10.5281/zenodo.23307193)。

関連論文リスト

• AmbiModBench: Benchmarking Gene Perturbation Prediction Beyond Shared Responses [48.72528617189033]
  遺伝的摂動に対する細胞応答の予測は、単細胞ゲノム学における実験の優先順位付けに役立つ。 本稿では,AmbiModBenchを提案する。
  論文  参考訳（メタデータ） (2026-09-26T12:10:35Z)
• Tokenizer Generator Coupling in Medical Image Generation [0.0]
  潜在医療画像生成装置は通常、トークン化剤を固定前処理として扱う。 我々は64x64のChestMNIST制御実験において,この分離が有効かどうかを検証した。 ランキングは トークンー、ジェネレータ、 サンプル装置に 左右される
  論文  参考訳（メタデータ） (2026-08-07T18:57:09Z)
• What EEG Foundation Models Encode: Dataset Identity and a Negative-Control Suite for Clinical Benchmarks [0.0]
  LaBraM、EEGMamba、CBraMod、REVE、LEAD、BENDR、BIOTを4つのデータセットで5つの臨床タスクでベンチマークする。 我々は、より強力な古典的コンパレータ、ラベルの置換、スクランブルラベルの微調整、ランダム初期化制御による明らかなゲインに挑戦する。 結論はモンタージュマッチング、患者オーバーラップチェック、より強力なコンパレータ、表現制御後に大きく変化する。
  論文  参考訳（メタデータ） (2026-07-27T14:59:42Z)
• Scaling Laws for Classical Machine Learning on Tabular Data: A Benchmark Study [0.0]
  127人の大学院生が、それぞれ3つの割り当てられたデータセットに固定されたプロトコルを実行した。 6つのファミリーのうち5つのファミリーレベルの指数は、各ファミリーのクロスデータセット曲線とデータセットごとの指数とをほぼ同等に予測する。 また,N* がターゲット誤差 0.15 に達するための実用的なデータ要求表を作成した。
  論文  参考訳（メタデータ） (2026-07-23T23:45:09Z)
• Amplifying, Not Learning: Fine-Tuned AI Text Detectors Amplify a Pretrained Direction [51.56484100374058]
  テキスト検出器は、事前訓練された典型軸を増幅する。 タスク監督前の生エンコーダでは、3つのアーキテクチャでNYT-vs-HC3 AUROC 0.806/0.944/0.834を達成する。 RoBERTaベースでは、生のプロジェクションは微調整を超えるが、RoBERTaベースでは、フル微調整は、試験された流線型人口の双方で生よりも識別を小さくする。
  論文  参考訳（メタデータ） (2026-05-20T19:08:38Z)
• Peptidomic-Based Prediction Model for Coronary Heart Disease Using a Multilayer Perceptron Neural Network [0.0]
  冠動脈心疾患(CHD)は、世界中で死因の主要な疾患であり、毎年の医療費に大きく貢献する。 非侵襲的な診断手法を開発するために,マルチ層パーセプトロン(MLP)ニューラルネットワークに基づくモデルを構築した。 このモデルは95.67パーセントの精度、感度、特異性を達成し、F1スコアは0.9565である。
  論文  参考訳（メタデータ） (2025-09-04T04:54:02Z)
• Brain Tumor Classification on MRI in Light of Molecular Markers [56.99710477905796]
  1p/19q遺伝子の同時欠失は、低グレードグリオーマの臨床成績と関連している。 本研究の目的は,MRIを用いた畳み込みニューラルネットワークを脳がん検出に活用することである。
  論文  参考訳（メタデータ） (2024-09-29T07:04:26Z)

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。