論文の概要: Synergy-Aware Residual Flow Matching for Single-Cell Perturbation Prediction

• arxiv url: http://arxiv.org/abs/2610.25021v1
• Date: Sun, 18 Oct 2026 05:02:00 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-10-20 22:08:58.427774
• Title: Synergy-Aware Residual Flow Matching for Single-Cell Perturbation Prediction
• Title（参考訳）: 単セル摂動予測のための相乗的残留流れマッチング
• Abstract要約: 本稿では, 原点分布を付加前で固定し, 真の状態への残留流れを学習する相乗的フローマッチングフレームワークを提案する。 遺伝子および薬物摂動ベンチマークを用いたSynGeneFlowの評価を行った。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Predicting single-cell responses to genetic and chemical perturbations is important for understanding regulatory mechanisms and prioritizing therapeutic interventions. Existing methods have made progress by modeling perturbation-conditioned expression shifts with neural networks, graph priors, foundation-model representations, or distributional generative models. However, combinatorial perturbation prediction remains challenging because much of the response can be explained by additive single-perturbation effects, while the biologically informative signal often lies in a smaller non-additive residual induced by perturbation interactions. Directly generating the full post-perturbation expression profile may therefore allocate substantial capacity to the dominant additive component and underemphasize synergy-specific structure. To address this issue, we propose \textbf{SynGeneFlow}, a synergy-aware flow matching framework that anchors the source distribution at an additive prior and learns a residual flow toward the true perturbed state. SynGeneFlow further incorporates perturbation-conditioned gene interaction modeling, where a static gene-gene mask provides biological structure and a perturbation-dependent deformation bias dynamically modulates gene-gene coupling. To preserve population-level response structure, we align both endpoint distributions and biological residual distributions with MMD-based regularization. We evaluate SynGeneFlow on genetic and drug perturbation benchmarks under observed-single, held-out, and cross-modality settings. The results demonstrate that residualizing flow matching around additive perturbation effects provides a biologically grounded and robust framework for single-cell perturbation response prediction.
• Abstract（参考訳）: 遺伝子および化学的摂動に対する単一細胞応答の予測は、調節機構の理解と治療介入の優先順位付けに重要である。 既存の手法では、摂動条件付き表現シフトをニューラルネットワーク、グラフ先行、基礎モデル表現、あるいは分布生成モデルでモデル化することで進歩している。 しかし、組み合わさった摂動予測は、多くの応答は追加的な単一摂動効果によって説明できるのに対し、生物学的に知らせる信号は摂動相互作用によって引き起こされる小さな非付加的残差にしばしば存在するため、依然として困難である。 したがって、摂動後の完全な表現プロファイルを直接生成することで、支配的な加法成分にかなりの容量を割り当て、シナジー特異的構造を過小評価することができる。 この問題に対処するため,本研究では,原点分布を加算前でアンカーし,真の摂動状態への残留流れを学習する相乗的フローマッチングフレームワークであるtextbf{SynGeneFlow}を提案する。 SynGeneFlowはさらに摂動条件付き遺伝子相互作用モデリングを取り入れており、静的な遺伝子-遺伝子マスクは生物学的構造を提供し、摂動依存性の変形バイアスは遺伝子-遺伝子結合を動的に調節する。 個体群レベルの応答構造を維持するため, 終端分布と生物残基分布をMDDに基づく正規化に整合させる。 遺伝子および薬物摂動ベンチマークを用いたSynGeneFlowの評価を行った。 以上の結果から, 単細胞摂動応答予測において, 加法摂動効果を中心とした残留流動マッチングが生物学的に基礎的かつ堅牢な枠組みとなることが示唆された。

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)
• MRFlow: Mechanism-Structured Residual Flow Matching for Virtual Cell Perturbation Prediction [2.3626723676575025]
  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。
  論文  参考訳（メタデータ） (2026-09-10T09:55:56Z)
• DeMixPert: Decomposed Response Modeling with Gaussian Mixtures for OOD Single-Cell Perturbation Prediction [26.226209353577005]
  DeMixPertは摂動によって引き起こされる系統的応答、摂動特異的応答、集団レベルの変動に分解する。 実験により、DeMixPertは不均一な単一セルの摂動応答を効果的に捉え、目に見えない摂動設定で優れたパフォーマンスを達成することが示された。
  論文  参考訳（メタデータ） (2026-08-24T11:24:17Z)
• BioM-JEPA: joint-embedding prediction of graph-connected gene blocks in single cells [64.21963170814706]
  BioM-JEPAはグラフ接続された遺伝子ブロックの集合表現を予測する。 学生ネットワークは、細胞内の残りの遺伝子から各ターゲットブロック表現を推論する。 CellBenchタスク全体で、BioM-JEPA埋め込みは発現、経路、および周辺情報を保持している。
  論文  参考訳（メタデータ） (2026-08-06T11:58:29Z)
• PerturbPFN: Probing the Limits of Synthetic Priors in Drug Perturbation Modelling [32.58158334613679]
  PerturbPFNは未知のターゲット摂動予測のためのPFNスタイルの補正モデルである。 潜伏系グラフ、疎原子干渉ターゲット、干渉強度を推論し、SCMデコーダを介してその効果を伝播する。 実シングルセル摂動データと合成ベンチマークを用いてPerturbPFNを評価し,効果予測,ターゲット同定,規制構造探索について検討した。
  論文  参考訳（メタデータ） (2026-07-26T04:06:42Z)
• 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。