論文の概要: Locality-Controlled Out-of-Distribution Guidance for Robust Regulatory DNA Sequence Design

• arxiv url: http://arxiv.org/abs/2610.41736v1
• Date: Fri, 30 Oct 2026 13:44:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-02 22:05:31.759471
• Title: Locality-Controlled Out-of-Distribution Guidance for Robust Regulatory DNA Sequence Design
• Title（参考訳）: ロバスト制御型DNA配列設計のための局所制御されたアウト・オブ・ディストリビューション誘導
• Abstract要約: シングルリワード評価は報奨行動の曖昧さを示す。 地域性の問題としてガイダンスを改訂してLOCOGENを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Designing regulatory DNA sequences for targeted gene-expression control is an important challenge. Recent approaches frame this task as property-conditioned generation, where diffusion models trained on natural sequences are guided toward high predicted activity through reward-based fine-tuning or sampling-time guidance. We show that single-reward evaluation can obscure reward-hacking behavior. By decomposing evaluation into property, novelty, and plausibility, we identify an empirically underexplored region of the evaluation space in which all three objectives are satisfied, but no existing baseline succeeds. We postulate that this gap arises because prior methods treat guidance primarily as a matter of magnitude. In regulatory DNA, however, sequence grammar is spatially nonuniform: motif positions are sensitive to perturbation, while background regions allow more exploration. We therefore propose LOCOGEN by reformulating guidance as a problem of locality. LOCOGEN learns an invariant motif mask through sequence-level invariance learning to protect motif positions, while applying OOD damping only to background positions. It operates at sampling time on a frozen diffusion backbone, without retraining the backbone. Across HepG2, K562, and SK-N-SH, LOCOGEN reaches this previously underexplored region of the property-novelty-plausibility space. Code is available at https://github.com/Lotfollahi-lab/LocoGen.
• Abstract（参考訳）: 標的遺伝子の発現制御のための制御DNA配列の設計は重要な課題である。 近年のアプローチでは、自然配列で訓練された拡散モデルが、報酬に基づく微調整やサンプリング時間誘導を通じて、高い予測活動に向けて誘導される。 シングルリワード評価は報奨行動の曖昧さを示す。 評価を特性,ノベルティ,妥当性に分解することにより,評価空間の3つの目的がすべて満たされているが,既存のベースラインが成功しない経験的過小評価領域を同定する。 このギャップは、事前の手法がガイダンスを主に桁違いに扱うため生じると仮定する。 しかし、制御DNAでは、配列文法は空間的に不均一であり、モチーフの位置は摂動に敏感であり、背景領域はより多くの探索を可能にする。 そこで我々は,地域性の問題としてガイダンスを改訂し,LOCOGENを提案する。 LOCOGENは、シーケンシャルレベルの不変なモチーフマスクを学習し、OODダンピングを背景位置にのみ適用しながらモチーフ位置を保護する。 凍結した拡散バックボーン上でサンプリング時に動作し、バックボーンを再トレーニングする。 HepG2, K562, SK-N-SH にまたがって、LOCOGEN はこの未発見領域に到達している。 コードはhttps://github.com/Lotfollahi-lab/LocoGenで入手できる。

関連論文リスト

• GeoReason: Bridging Logical Reasoning and Spatial Fidelity in Remote Sensing Segmentation [54.92603623360416]
  GeoReasonは、論理的推論を強化し、空間的整合性を維持するために設計された新しいフレームワークである。 初期ユーザクエリに直接セグメンテーショントークンを注入する予測プライオリティ機構を導入する。 また、位置認識型Chain-of-Thoughtによる視覚的推論も強化する。
  論文  参考訳（メタデータ） (2026-10-16T13:07:22Z)
• GOLD: Geometric Optimized Latent Diffusion for Structure-Aware RNA Inverse Folding [20.427539144611995]
  現在のRNA逆フォールディング法は一般的に3次元のバックボーン座標で条件付けられるが、生成は1次元の離散配列に制限される。 本稿では,幾何最適化潜在拡散(textbfGOLD)を提案する。 金は、シークエンスリカバリ、二次構造妥当性、および3次元の折りたたみ性の測定で最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2026-10-16T06:16:09Z)
• Diagnose-to-Generate: Eliminating Structural Distortions in Flow Models via Patch-Level Grounded Alignment [55.60663579540744]
  フローベース画像生成装置は強力なセマンティック合成を実現するが、それでも局所的な構造歪みを生じさせる。 textitDiagnose-to-Generate (D2G) は、画像診断と生成最適化を分離する基盤的アライメントフレームワークである。
  論文  参考訳（メタデータ） (2026-10-13T07:37:52Z)
• UniSGR-V2: Stepwise Target-Side Feature Anticipation and Crossing for Generative Recommendation [16.130775814500822]
  段階的生成とランク付けの両方を支援するため,TacGR(Stepwise Target-Side Feature Precipation and Crossing for Generative Recommendation)を提案する。 TacGRは、連続的なターゲット側の特徴ベクトルを予測し、デコーダ内のセマンティックプレフィックスとユーザー行動シーケンスと交差する。 大規模なデータセットに関するオンライン実験では、OneRec、UniRec、UniSGRを大きく上回っている。
  論文  参考訳（メタデータ） (2026-10-12T03:48:56Z)
• Controlling False Discovery in Arbitrarily Structured Hypothesis Spaces via Reproducing Kernels [47.16593717985932]
  連続的なドメイン、グラフ、階層を1つのアルゴリズムで統一するフレームワークをカーネル選択のみで導入する。 FDR(False Discovery Rate)を制御するための2つの決定ルールを提供します。 本手法は,高次元実世界のデータセットから得られた空間的位置とタンパク質間相互作用グラフを用いた遺伝子発現タスクの2つの情報源で検証する。
  論文  参考訳（メタデータ） (2026-05-17T17:42:56Z)
• Probing the Robustness of Large Language Models Safety to Latent Perturbations [30.16804362984161]
  安全アライメントは、信頼できる人工知能を構築する上で重要な要件である。 我々は、小さな潜伏シフトが、整列モデルにおける安全でない応答を引き起こすことを観察する。 学習中に隠された表現に制御された摂動を注入する微調整戦略であるLayer-wise Adversarial Patch Training (LAPT)を導入する。
  論文  参考訳（メタデータ） (2025-06-19T07:03:05Z)
• Normalized Attention Guidance: Universal Negative Guidance for Diffusion Models [57.20761595019967]
  注意空間にL1をベースとした正規化・精細化を施した,効率的かつトレーニング不要な機構である正規化注意誘導(NAG)を提案する。 NAGは、CFGが忠実性を維持しながら崩壊する効果的な負のガイダンスを復元する。 NAGはアーキテクチャ(UNet、DiT)、サンプリングレシスタンス(複数ステップ、複数ステップ)、モダリティ(イメージ、ビデオ)をまたいで一般化する
  論文  参考訳（メタデータ） (2025-05-27T13:30:46Z)
• Subspace-Guided Feature Reconstruction for Unsupervised Anomaly Localization [5.085309164633571]
  監督されていない異常なローカライゼーションは工業生産において重要な役割を担っている。 最近の手法では、事前訓練されたディープニューラルネットワークを用いて、ターゲットサンプルの特徴マッチングや再構成を行う。 本稿では,アノマライゼーションのための適応的特徴近似を追求する,新しいサブスペース誘導型特徴再構成フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-09-25T06:58:57Z)
• Regressive Domain Adaptation for Unsupervised Keypoint Detection [67.2950306888855]
  ドメイン適応(DA)は、ラベル付きソースドメインからラベル付きターゲットドメインに知識を転送することを目的とする。 本稿では,教師なしキーポイント検出のためのレグレッシブドメイン適応(RegDA)法を提案する。 提案手法は,異なるデータセット上のPCKにおいて,8%から11%の大幅な改善をもたらす。
  論文  参考訳（メタデータ） (2021-03-10T16:45:22Z)

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。