PulseAugur
中
实时 17:01:37
English(EN) PACE: Geometry-Aware Bridge Transport for Single-Cell Trajectory Inference

新的机器学习方法通过交互和几何来模拟细胞轨迹

作者 PulseAugur 编辑部 · [2 个来源] ·

两篇新的研究论文介绍了用于从单细胞RNA测序数据推断细胞发育轨迹的先进机器学习技术。CellBRIDGE 使用感知交互的对齐来模拟配体-受体信号传导，从而改进轨迹估计并实现计算机模拟扰动。PACE 采用几何感知的桥接传输，构建黎曼度量来精炼跨时间的细胞耦合，并将动力学提炼成连续时间速度场，在各种数据集上优于现有方法。 AI

影响 这些方法为分析复杂的生物系统提供了新的途径，有可能加速药物发现和我们对细胞过程的理解。

排序理由 两篇在 arXiv 上发表的学术论文，提出了用于生物数据分析的新颖方法。

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

报道来源 [2]

  1. arXiv cs.LG TIER_1 English(EN) · Silas Ruhrberg Est\'evez, Nicolas Huynh, Tennison Liu, Roderik M. Kortlever, Gerard I. Evan, David L. Bentley, Mihaela van der Schaar ·

    CellBRIDGE: Learning Cellular Trajectories via Interaction-Aware Alignment

    arXiv:2605.30635v1 Announce Type: new Abstract: Inferring dynamics from population snapshots is a fundamental challenge in machine learning and biology. In scRNA-sequencing (scRNA-seq), destructive measurements preclude direct tracking of individual cells across time, making traj…

  2. arXiv cs.LG TIER_1 English(EN) · Chenglei Yu, Chuanrui Wang, Bangyan Liao, Tailin Wu ·

    PACE: Geometry-Aware Bridge Transport for Single-Cell Trajectory Inference

    arXiv:2605.18587v2 Announce Type: replace-cross Abstract: Single-cell trajectory inference from destructive time-course snapshots is fundamentally ill-posed: neither cross-time cell correspondences nor continuous trajectories are observed, so the snapshot distributions alone do n…

相关实体

相关话题