Скрытая причинно-следственная диффузия для моделирования возмущений в отдельных клетках | Ларс Лорх скачать в хорошем качестве

Скрытая причинно-следственная диффузия для моделирования возмущений в отдельных клетках | Ларс Лорх

Присоединяйтесь к группе для чтения: https://multiomics-reading-group.gith... Статья: Скрытая причинно-следственная диффузия для моделирования возмущений в отдельных клетках https://arxiv.org/html/2601.15341 Аннотация: Методы скрининга возмущений потенциально позволяют систематически картировать регуляторные процессы на уровне отдельных клеток, однако моделирование и прогнозирование транскриптомных ответов на возмущения остаются серьезной вычислительной проблемой. Существующие методы часто уступают простым базовым моделям, не позволяют отделить шум измерений от биологического сигнала и дают ограниченное представление о причинно-следственной структуре, управляющей клеточными ответами. Здесь мы представляем скрытую причинно-следственную диффузию (LCD), генеративную модель, которая рассматривает экспрессию генов в отдельных клетках как стационарный диффузионный процесс, наблюдаемый при наличии шума измерений. LCD превосходит устоявшиеся подходы в прогнозировании сдвигов распределения неизвестных комбинаций возмущений в скрининге РНК-секвенирования отдельных клеток, одновременно обучаясь механистической динамической системе регуляции генов. Для интерпретации этой изученной динамики мы разработали подход, который мы называем причинной линеаризацией посредством ответов на возмущения (CLIPR), который дает приближение прямых причинно-следственных связей между всеми генами, смоделированными диффузией. CLIPR доказано идентифицирует причинно-следственные связи при предположении линейного дрейфа и восстанавливает причинно-следственную структуру как в моделируемых системах, так и в общегеномном скрининге возмущений, где он кластеризует гены в согласованные функциональные модули и разрешает причинно-следственные связи, которые стандартный анализ дифференциальной экспрессии не может разрешить. Структура LCD-CLIPR объединяет генеративное моделирование с причинно-следственным выводом для прогнозирования неизвестных эффектов возмущений и картирования лежащих в основе регуляторных механизмов транскриптома.