English(EN) Conditional Neural Optimal Transport for Predicting Cellular Phenotypes from Molecular Structure

新的神经最优传输模型可从分子结构预测细胞表型

作者 PulseAugur 编辑部 · [1 个来源] · 2026-08-17 04:00

研究人员开发了一种新颖的条件神经最优传输（NOT）模型，用于从分子结构预测细胞表型。该方法通过学习使用分子结构作为条件信息将阴性对照表型映射到诱导表型，解决了穷尽实验表征的不可行性。NOT模型采用Monge-Gap正则化目标进行训练，通过减少技术变异和恢复分子特异性表型效应，在未见过分子的数据集上表现优于基线方法。研究将分子编码器确定为泛化能力的关键限制因素，表明改进的分子表示对于增强分布外性能至关重要。 AI

影响该模型提供了一个新的计算框架来预测生物学响应，通过减少对广泛实验验证的需求，有可能加速药物发现和生物学研究。

排序理由详细介绍一种新的生物学研究计算模型的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 0 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 详细介绍一种新的生物学研究计算模型的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, model release; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: 72 days old; Aged out of breaking-news scoring windows; ranking reflects the durable signal from the full source set.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Gauthier Avit\'e, Maxime Sanchez-Renauld, Nicolas Bourriez, Auguste Genovesio · 2026-08-17 04:00

用于从分子结构预测细胞表型的条件神经最优传输

arXiv:2608.14293v1 Announce Type: cross Abstract: High-content microscopy enables systematic profiling of cellular responses to chemical perturbations, but the scale of the chemical space makes exhaustive phenotypic characterization experimentally infeasible. This motivates compu…

本文如何被排名

报道来源 [1]

用于从分子结构预测细胞表型的条件神经最优传输

相关实体

相关话题