4194 件の論文
同一のアーキテクチャを持ちながら異なる事前学習コーパスを用いた3つのscGPTチェックポイントを活用することで、本研究は、シングルセル・トランスフォーマーにおける臓器特異的な適応は最小限であり、グローバルな幾何学的変換ではなく特定のアテンション層に集中していることを示し、これは1,000万個未満の細胞で学習されたモデルは主に初期化ノイズを保持しており、一般的なチェックポイントが生物学的アルゴリズムを抽出する上で優れていることを示唆している。
アーキテクチャやパラメータに大きな違いがあるにもかかわらず、単一細胞基盤モデルは、機能的な検索タスクにおいて個々のフル埋め込み表現を凌駕する、小さく堅牢で生物学的に解釈可能な低次元のコアを共有しており、これは彼らの表現能力の大部分がプライベートであり、生物学的には不活性であることを明らかにしている。
本論文は、適格性トレースこそが、報酬変調型スパイキングネットワークにおける創発的な分化に必要不可欠かつ唯一の、交渉の余地のない時間的メカニズムであることを実証しており、その除去は秩序を消失させ、その拡張はネットワークの規模に関わらず分化の度合いを直接的に制御する。
本論文は、単一細胞基盤モデルの主要なスペクトル軸が、生物学的な意味よりもむしろ遺伝子発現量によって主に混同されていることを明らかにし、これらの軸を除去することで検索性能が向上することを示し、さらに生物学的タスクのための最適な次元削減を導くモデル依存的な圧縮則を確立するものである。
本研究は、複雑な機械学習モデルは血液化学成分から実年齢をより正確に予測できる一方で、その結果得られる「年齢加速」指標は、単純なモデルや死亡アウトカムを直接学習させたバイオマーカーよりも死亡率の予測において効果が低いことを示しており、有用な生物学的年齢予測指標の開発において重要な要因は、モデルの複雑さやバイオマーカーではなく、学習ターゲットであるということを明らかにしている。
本研究は、ドナーレベルの単一細胞解析において、細胞型の組成を制御しても、組成を固定した場合でも発現プロファイルが形質の情報の大部分を保持しているため、制御による信号の消失は無視できる程度であることを示しており、また、交絡因子としての組成の知覚される強さは、使用される細胞型アノテーションの解像度に強く依存することも示している。
本論文は、グラフニューラルネットワークと空間トランスクリプトミクスデータを統合することで、堅牢で生物学的に一貫した空間ドメインの特定とインタラクティブな可視化を可能にするAI搭載フレームワークであるSpatial GNN Analyzerを提示し、従来の非空間的手法と比較して組織構造の保持において優れた性能を示すものである。
この研究は、放牧が *Stipa grandis* の根の分泌物プロファイルを変化させ、短期的放牧はエネルギー豊富な脂質を介して細菌の増殖を促進する一方で、長期的放牧は防御用代謝物を介して真菌との共生関係を維持するという非対称な微生物応答を駆動すること、そして代謝物のネットワーク上の位置が、細菌においては熱力学的特性によって制約されるが、真菌においては分子構造の複雑さによって制約されることを明らかにしている。
本研究は、進化的な保存性がミスセンス変異に対する有害性の偽陽性予測を頻繁に引き起こすことを明らかにしており、この失敗モードは、10個の深層変異スキャン・データセット全体を通じて、高い溶媒露出度および構造的柔軟性によって強く、かつ独立して予測される。
本研究は、がん固有のタンパク質であるネッデン化を標的とすることで、JAK/STAT欠損腫瘍における免疫療法への獲得耐性を克服し、それによってクロマチン結合型cGASを安定化させ、炎症シグナル伝達を回復させ、免疫細胞の浸潤を強化してPD1阻害剤への感受性を高めることを実証している。