概要 - 多様な分子埋め込みの表現と統合のためのプラットフォーム
タイトル
多様な分子埋め込みの表現と統合のためのプラットフォーム
時間
2025-07-10 01:18:50
著者
{"Erika Yilin Zheng","Yu Yan","Baradwaj Simha Sankar","Ethan Ji","Steven Swee","Irsyad Adam","Ding Wang","Alexander Russell Pelletier","Alex Bui","Wei Wang","Peipei Ping"}
カテゴリ
{q-bio.BM,cs.LG}
リンク
http://arxiv.org/abs/2507.07367v1
PDF リンク
http://arxiv.org/pdf/2507.07367v1
概要
プラットフォーム・フォー・レプリゼンテーション・アンド・インテグレーション・オブ・マルチモーダル・モレキュラー・エンブリーディング（PRISME）は、異なる生物学的文脈における分子表現の統合と評価を向上させることを目指す新しい機械学習フレームワークです。この研究は、通常特定のタスクやデータモダリティに限定され、遺伝子の機能や相互作用の包括的な理解に欠けるという既存の分子エンブリーディング手法の限界を強調しています。
これに対処するために、研究者たちはPRISMEを提案しました。PRISMEは、オートエンコーダを使用して複数の分子エンブリーディングを統一した低次元表現に統合します。このアプローチは、分子シグナルのより包括的な視点を提供し、異なるデータモダリティやソースからの本質的な生物学的洞察を捉えます。
また、研究では、異なるデータソースから得られた分子エンブリーディングを比較するために調整された単特異ベクトル正則共変関連分析（SVCCA）のバージョンを紹介しました。この分析は、既存のエンブリーディングがほぼ重複しない分子シグナルを捕捉しており、エンブリーディング統合の価値を強調しました。
PRISMEは、様々なベンチマークタスクで検証され、一つ一つのエンブリーディング手法よりも優れた性能を示し、欠損値補完においても優れています。このフレームワークは、生物分子の包括的なモデリングをサポートし、後続の生物医学機械学習アプリケーション向けに最適化された堅牢で幅広く適用可能なマルチモーダルエンブリーディングの開発を進めています。
研究は、補完的なモダリティを統合してハイブリッド表現を構築する重要性を強調し、PRISMEが既存の分子エンブリーディング手法の限界を克服する可能性のある利点を明らかにしています。
推奨論文
共有量子コンピューシング環境における量子ソフトウェアセキュリティの課題
理論間のp-Simuluationを特徴付ける
UI-AGILE：効果的な強化学習と正確な推論時の根拠化によるGUIエージェントの進化
量子回路暗号化に基づく暗号化状態量子コンパイルスキーム
RealBench：リアルワールドIPデザインを使用したVerilog生成モデルのベンチマーク評価
亀裂部の間に落ちる：分断された脆い亀裂前縁におけるエネルギー貯蔵
ThinkAct: 强化された視覚的潜在計画を通じてのビジョン-言語-行動推論
「カスタマイズ権を持つことで、IoTファームウェアのセキュアな更新を強化する」
「デュアル戦略統合による需要予測のためのベースモデル」
重複なし、停止なし：リアルタイムレンダリングのための軽量ストリーミング3Dガウススプラッティング