論文の概要: CCP-DP: Cross-cluster context-guided phase dynamic programming for DNA storage sequence reconstruction

• arxiv url: http://arxiv.org/abs/2610.36559v1
• Date: Tue, 27 Oct 2026 03:07:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-28 21:04:31.473458
• Title: CCP-DP: Cross-cluster context-guided phase dynamic programming for DNA storage sequence reconstruction
• Title（参考訳）: CCP-DP:DNA格納配列再構成のためのクラスタ間コンテキスト誘導相動的プログラム
• Abstract要約: CCP-DP(Cross-Cluster Context-Guided Phase Dynamic Programming)を提案する。 CCP-DPは、クラスタローカルな証拠を補完し、曖昧な一時的なコンセンサスを洗練するために、データセットレベルのクラスタ情報を使用する。 全体として、CCP-DPは、挑戦的な条件下でのDNA配列再構成の補完的な証拠として、クロスクラスタ共有情報を導入している。
• 参考スコア（独自算出の注目度）: 11.2457475842404
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Motivation: DNA data storage offers high information density and long-term stability, but accurate sequence reconstruction remains challenging under limited sequencing coverage and strong insertion, deletion, and substitution (IDS) noise. Existing reconstruction methods mainly rely on local evidence within individual read clusters. When sequencing coverage is low or indel-induced phase shifts become pronounced, such local evidence may be insufficient to distinguish closely competing candidate sequences. Results: We present Cross-Cluster Context-Guided Phase Dynamic Programming (CCP-DP), which uses dataset-level cross-cluster information to complement cluster-local evidence and selectively refines ambiguous provisional consensuses. Under the main benchmark settings, CCP-DP achieved exact reconstruction rates of 95.36%-99.98% and outperformed existing methods on multiple datasets. At $5\times$ coverage, CCP-DP improved exact reconstruction by 6.2-17.5 percentage points over the stronger of BBS and CPL across the tested IDS conditions, while maintaining low reconstruction error and computational overhead. Overall, CCP-DP introduces cross-cluster shared information as a complementary source of evidence for DNA sequence reconstruction under challenging conditions. Availability: Source code is available at https://github.com/ZixinZ3899/CCP-DP.
• Abstract（参考訳）: モチベーション:DNAデータストレージは、高い情報密度と長期的な安定性を提供するが、シークエンシングカバレッジと強い挿入、削除、置換(IDS)ノイズの下では、正確なシーケンス再構成が困難なままである。 既存の復元方法は、主に個々の読み取りクラスタ内の局所的な証拠に依存している。 シークエンシングカバレッジが低い場合や、インデル誘起相転移が顕著になると、そのような局所的な証拠は、密接に競合する候補配列を区別するには不十分である。 結果: クラスタの局所的な証拠を補うためにデータセットレベルのクラスタ情報を使用し, 曖昧な一時的なコンセンサスを選択的に洗練するクロスクラスタ・コンテキストガイド型フェーズ・ダイナミック・プログラミング(CCP-DP)を提案する。 主要なベンチマーク設定の下では、CCP-DPは95.36%-99.98%の正確な再構築率を獲得し、複数のデータセットで既存の手法よりも優れていた。 5/times$カバレッジで、CCP-DPはBBSとCPLの強い条件に対して6.2-17.5ポイントの正確な再構成を改善し、低い再構成エラーと計算オーバーヘッドを維持した。 全体として、CCP-DPは、挑戦的な条件下でのDNA配列再構成の補完的な証拠として、クロスクラスタ共有情報を導入している。 可用性: ソースコードはhttps://github.com/ZixinZ3899/CCP-DPで入手できる。

関連論文リスト

• TRUE-Colon: Exposing a Consistent Transfer Asymmetry in Real-Time Polyp Detection [5.961408803838967]
  大腸内視鏡検査のためのコンピュータ支援検出システムは,臨床ミス率の低減を約束するが,実世界の信頼性は高い。 我々は,ローカライゼーションの精度とともに,主要なデプロイメント特性を測定するための標準化されたベンチマークプロトコルを確立する。 キュレートされたクリップに厳格に訓練されたモデルは、フルプロシージャで評価すると、深刻な性能低下を被る。 コンボリューション検出器は高いスループットで競争力を維持する一方、トランスフォーマー検出器は最も感度が高く、最も早く、最も永続的な検出を実現する。
  論文  参考訳（メタデータ） (2026-08-13T19:13:54Z)
• Imputation Meets Clustering: Exploiting Latent Subgroup Structure for Missing Data Recovery [52.29866804948133]
  本稿では、クラスタリングと命令を相互に強化する共最適化プロセスとして再構築するフレームワークであるCAGI(Cluster-Aware Generative Imputation)を提案する。 14のベンチマークデータセットと15の代表的なベースラインの実験は、CAGIの優位性を実証している。
  論文  参考訳（メタデータ） (2026-07-08T02:50:02Z)
• Distill Once, Adapt Life-Long: Exploring Dataset Distillation for Continual Test-Time Adaptation [58.69982623883049]
  連続テスト時間適応(CTTA)は、ラベル付きデータなしでオンラインに適応することで、進化するターゲットドメインの下でモデルパフォーマンスを維持することを目的としている。 DO-ALL(Distill Once, Adapt Life-Long)は、ソース情報をコンパクトでプライバシに意識した形で再考するプラグイン・アンド・プレイのフレームワークである。
  論文  参考訳（メタデータ） (2026-06-18T13:11:13Z)
• StreamCacheVGGT: Streaming Visual Geometry Transformers with Robust Scoring and Hybrid Cache Compression [39.0869112189715]
  StreamCacheVGTは、キャッシュ管理を再定義するトレーニング不要のフレームワークである。 一定のコストの制約に厳格に固執しつつ、より優れた復元精度と長期安定を提供する。
  論文  参考訳（メタデータ） (2026-04-16T17:12:10Z)
• Cancer-Net PCa-MultiSeg: Multimodal Enhancement of Prostate Cancer Lesion Segmentation Using Synthetic Correlated Diffusion Imaging [55.62977326180104]
  前立腺癌病変の分節化に対する近年の深層学習アプローチは,限られた性能を達成している。 本稿では,標準拡散型プロトコルの拡張として,合成相関拡散イメージング(CDI$s$)について検討する。 以上の結果から,PCa病変セグメント化タスクの実践的ドロップイン強化として,CDI$s$に対する検証済み統合経路が確立された。
  論文  参考訳（メタデータ） (2025-11-11T04:16:12Z)
• Instance-Aware Robust Consistency Regularization for Semi-Supervised Nuclei Instance Segmentation [53.94176748542936]
  本稿では、インスタンスレベルの正確な核分割のためのインスタンス対応ロバスト整合性正規化ネットワーク(IRCR-Net)を提案する。 病理画像に核形態学的な先行知識を取り入れ,これらの先行知識を用いてラベルのないデータから生成された擬似ラベルの品質を評価する。
  論文  参考訳（メタデータ） (2025-10-10T12:32:32Z)
• Analyzing scRNA-seq data by CCP-assisted UMAP and t-SNE [0.0]
  相関クラスタリングとプロジェクション(CCP)は、cRNA-seqデータを前処理する有効な方法として導入された。 CCPは、行列対角化を必要としないデータドメインアプローチである。 8つの公開データセットを使用することで、CCPは UMAP と t-SNE の可視化を大幅に改善することがわかった。
  論文  参考訳（メタデータ） (2023-06-23T19:15:43Z)
• Towards Uncovering the Intrinsic Data Structures for Unsupervised Domain Adaptation using Structurally Regularized Deep Clustering [119.88565565454378]
  Unsupervised Domain Adapt (UDA) は、ターゲットドメイン上のラベルなしデータの予測を行う分類モデルを学ぶことである。 本稿では,対象データの正規化判別クラスタリングと生成クラスタリングを統合する構造的正規化深層クラスタリングのハイブリッドモデルを提案する。 提案するH-SRDCは, インダクティブ設定とトランスダクティブ設定の両方において, 既存の手法よりも優れている。
  論文  参考訳（メタデータ） (2020-12-08T08:52:00Z)
• Searching Central Difference Convolutional Networks for Face Anti-Spoofing [68.77468465774267]
  顔認識システムにおいて、顔の反偽造(FAS)が重要な役割を担っている。 最先端のFASメソッドの多くは、スタック化された畳み込みと専門家が設計したネットワークに依存している。 ここでは、中央差分畳み込み(CDC)に基づくフレームレベルの新しいFAS手法を提案する。
  論文  参考訳（メタデータ） (2020-03-09T12:48:37Z)

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。