研究者发布Occam:基于MLP的单细胞扰动效应预测框架
热点事件持续更新
研究者发布Occam:基于MLP的单细胞扰动效应预测框架
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
Ihab Bendidi 等研究者发布论文,提出 Occam——一个用于单细胞表示学习和基因扰动效应预测的多层感知机(MLP)框架,融合去噪学到的细胞表示与基因互作、文本及蛋白序列特征。 论文称,Occam 在扰动信息与细胞类型保持、批次整合的聚合表示得分上最高;在交叉情境 few-shot 预测中优于四个重训竞争模型和直接迁移基线,且无需微调即可区分 held-out 细胞系中的扰动。对双基因扰动,Occam 通过组合单基因响应降低表达误差。
AI 根据报道生成 · 1 小时前更新
最新进展11月18日 13:00
OCCAM:基于 MLP 的单细胞表示学习与基因扰动效应预测框架报道时间线
沿着报道,了解事件的不同侧面。
11月18日
- arXiv cs.AIOCCAM:基于 MLP 的单细胞表示学习与基因扰动效应预测框架
研究者提出 Occam,一个用于单细胞表示学习和扰动效应预测的多层感知机(MLP)框架,融合去噪学到的细胞表示与基因互作、文本及蛋白序列特征。Occam 在扰动信息与细胞类型保持、批次整合的聚合表示得分上最高,在交叉情境 few-shot 预测中优于四个重训竞争模型和直接迁移基线,且无需微调即可区分 held-out 细胞系中的扰动;对双基因扰动,它通过组合单基因响应降低表达误差。
本事件热度走势
还没有足够的连续观测数据,暂不绘制趋势。