論文の概要: Recommending Bacterial Cultivation Conditions from 16S rRNA

• arxiv url: http://arxiv.org/abs/2610.28310v1
• Date: Tue, 20 Oct 2026 14:51:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-21 21:58:47.860287
• Title: Recommending Bacterial Cultivation Conditions from 16S rRNA
• Title（参考訳）: 16S rRNAからの細菌培養条件の再検討
• Abstract要約: 16S rRNA配列と4つの培養条件を組み合わせ,65,023株の菌株を系統分離したDSNIを解析した。 本稿では,生物学的特徴に規定された位置依存的重要性重みを学習する可変ゲートレコメンデーションを提案する。 実験により、学習可能なゲートはフラットトランスフォーマーを4.7%改善し、RNABERTを補完する。
• 参考スコア（独自算出の注目度）: 20.099477835723704
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Recommending bacterial cultivation conditions from sequence data is a challenging structured problem characterized by missing standardized benchmarks and limited use of sequence structure. To address this, we introduce DSNI, a benchmark of 65,023 bacterial strains with phylogeny-aware splits, pairing 16S rRNA sequences with four cultivation conditions (media, temperature, pH, oxygen). Exploiting the mosaic structure of 16S rRNA, where hypervariable regions support discrimination and conserved regions support primer design, we propose a Variability-Gated Encoder that learns position-dependent importance weights conditioned on biological features (region type, position, and local complexity). The gating module adds minimal overhead (1,280 parameters, <1%) while providing an explicit inductive bias valuable in low-data regimes. Experiments demonstrate that the learnable gate improves flat Transformers by 4.7% in joint accuracy and complements RNABERT, yielding 44.2% exact-match joint accuracy. The model also recovers 90.2% of ground-truth cultivation protocols within its top-25 recommendations, narrowing the exhaustive search space by approximately 60 times.
• Abstract（参考訳）: 塩基配列データからの細菌培養条件の見直しは、標準化されたベンチマークの欠如と配列構造の限定的利用を特徴とする、困難な構造問題である。 そこで本研究では,65,023株の病原性に気付き16S rRNA配列を4つの培養条件(中,温度,pH,酸素)と組み合わせたDSNIについて検討した。 16S rRNAのモザイク構造をエクスプロイトし、その領域が識別をサポートし、保存された領域がプライマー設計をサポートするようにし、生物学的特徴(領域タイプ、位置、局所複雑さ)に規定された位置依存的重要性重みを学習する可変性拡張エンコーダを提案する。 ゲーティングモジュールは最小限のオーバーヘッド(1,280パラメータ、<1%)を追加し、低データレシエーションで価値のある明示的な帰納バイアスを提供する。 実験により、学習可能なゲートはフラットトランスフォーマーを4.7%改善し、RNABERTを補完する。 このモデルは、トップ25の勧告の中で、90.2%の地中栽培プロトコルを回復し、網羅的な検索スペースを約60倍縮小する。

関連論文リスト

• Scaling RNA Foundation Models through Iterative Refinement [19.538749508883143]
  本稿では,RNA基盤モデルであるEco-RNAについて述べる。 パラメータが500倍も少ないにもかかわらず、現在のSOTA Evo 2 40Bを3つの総合フィットネス指標で上回っている。 また、非コードRNAファミリー分類、RNA二次構造予測、化学探査プロファイル予測において評価されたベースラインよりも優れている。
  論文  参考訳（メタデータ） (2026-10-09T06:59:15Z)
• Towards Robust Time Series Learning via Capacity-Centric Modulation [76.23489485385964]
  本稿では,CCM(Capacity-Centric Modulation)を相補的,サンプル適応正規化原理として提案する。 SACM(Sample-Adaptive Capacity Modulation)は,スペクトル空間の分散を利用して,サンプルワイドドロップアウト確率を割り当てるタスク非依存のフレームワークである。 301個の実世界のデータセット-バックボーンペアのうち、SACMは平均でMSEの予測を6.7%削減し、分類精度を3.04%改善し、ポイント調整されたF1を17.05%改善した。
  論文  参考訳（メタデータ） (2026-09-30T10:51:23Z)
• An Input-Frugal Deep Learning Framework for Weather-Driven National Crop-Yield Forecasting: A Case Study of Brazilian Soybean [45.41459301195536]
  シーズン内予測は、早期から後期に単調に改善され、最新の予測ポイントではベースラインよりも約50%低い誤差に達する。 ShaPは、収穫年が長期の軌道のほとんどを説明するのに対し、季節内気象と農業環境の文脈は、主に年々変動を引き起こすことを示唆している。
  論文  参考訳（メタデータ） (2026-09-29T19:40:09Z)
• Open ultrasound foundation model for robust segmentation and clinical measurement across heterogeneous settings [66.3653308198376]
  SonoCorpusは、24の臨床応用と17の国にまたがる53のパブリックデータセットから、456,963のイメージと1,626,085のエキスパートマスクを統合するオープンリソースである。 SonoBaseは、事前にトレーニングされたインタラクティブセグメンテーション基盤モデルである。
  論文  参考訳（メタデータ） (2026-09-16T15:34:21Z)
• When Big Data Becomes a Curse: Spatial Heterogeneity and the Limits of Learning from Passive Acoustic Monitoring Data [0.3277163122167433]
  AIS-labeled 679-second recordings from 38 deployments, 20 Atlantic Canada station IDs, and 21 receiver positions。 AIS-Contact は200倍以上の差があり、デプロイ毎のスクリーニング分布は局所的な解釈を必要とする。
  論文  参考訳（メタデータ） (2026-08-06T14:44:46Z)
• ProtSent: Protein Sentence Transformers [6.657830371527077]
  タンパク質言語モデル (pLM) は、進化的および構造的情報をキャプチャする残基ごとの表現を生成する。 本稿では、PLMを汎用埋め込みモデルに適応させるための対照的な微調整フレームワークであるProtSent(ProtSent)を提案する。
  論文  参考訳（メタデータ） (2026-05-07T18:33:49Z)
• Global and Local Topology-Aware Attention with Persistent Homology and Euler Biases for Time-Series Forecasting [0.0]
  時系列はしばしば、接続性、サイクル、シェルのような幾何学、方向変化、非線形近傍を含む予測幾何学構造を符号化する。 永続的ホモロジー(H0-H2)を用いた注意ログにそのような構造を加えるトポロジ対応アテンションフレームワークを提案する。 我々は,軽量アテンション/ライダー,PatchTSTForRegression,TimeSeriesTransformerForPredictionという3つのアーキテクチャファミリの保護されたトポロジ対応のバリエーションを評価した。
  論文  参考訳（メタデータ） (2026-05-04T21:19:12Z)
• KAYRA: A Microservice Architecture for AI-Assisted Karyotyping with Cloud and On-Premise Deployment [0.0]
  KAYRAは、臨床細胞遺伝学研究室の運用上の制約の中で機能するエンドツーエンドの核タイピングシステムである。 KAYRAはコンテナ化されたマイクロサービスパイプラインとして設計されており、MLスタックにはEfficientNet-B5 + U-Netセマンティックセグメント、Mask R-CNN(ResNet-50 + FPN)インスタンス、ResNet-18インスタンスが組み込まれている。 459染色体上の2つの商用基準核型分類システムに対する試験的臨床評価は、強い経験的性能を示す。
  論文  参考訳（メタデータ） (2026-04-29T16:35:31Z)
• Fair splits flip the leaderboard: CHANRG reveals limited generalization in RNA secondary-structure prediction [44.072730684426794]
  現在のベンチマークではRNAファミリー間の一般化を過大評価することができる。 我々は包括的階層を提示する。 非コードRNA群(英: Non-coding RNA Groups of Non-coding RNAs,CHANRG)は、170,083個の構造的非冗長RNAのベンチマークである。
  論文  参考訳（メタデータ） (2026-03-20T20:18:08Z)
• Gene42: Long-Range Genomic Foundation Model With Dense Attention [39.22636278244394]
  ゲノム基盤モデル(GFM)の新規ファミリーであるGene42を紹介する。 Gene42モデルはデコーダのみのアーキテクチャ(LLaMAスタイル)と密集した自己認識機構を使用している。 Gene42は、ゲノム学においてこのような長いコンテキスト長を扱うことができる最初の高密度アテンションモデルである。
  論文  参考訳（メタデータ） (2025-03-20T07:10:04Z)
• LA4SR: illuminating the dark proteome with generative AI [39.58317527488534]
  我々は、微生物配列分類のためのオープンソースのAI言語モデル(LM)を再設計した。 F1のスコアは95点に達し、16,580倍速く動作した。 我々は、AI生成プロセスにアミノ酸パターンをもたらすカスタムAI説明可能性ソフトウェアツールを提供する。
  論文  参考訳（メタデータ） (2024-11-11T08:51:18Z)

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。