跳到正文
arXiv cs.AI· Zihan Wang, Jianzhe Li, Zhenyi Zhang, Peijie Zhou·· 10 小时前AI 评分27

HORIZON:用水平流匹配学习单细胞时空动态

Horizontal Flow Matching for Single-Cell Spatiotemporal Dynamics

AI 导读

研究者提出水平流匹配方法,学习组织构型、分子状态与细胞丰度的变化,且不受切片间共享刚体运动干扰,并据此构建模型 HORIZON。HORIZON 采用等变 Transformer 从当前组织预测速度与增长,可由单张初始快照连续生成组织。在四个空间转录组时间序列上,HORIZON 重建组织几何、基因表达与细胞丰度的精度优于现有空间及非平衡轨迹方法,并能插值留出的发育阶段。

正文 · AI 翻译

查看 PDF HTML(实验性)

摘要:从空间转录组学中学习细胞的时空动力学,需要将在不同坐标系中获取的不同细胞的快照连接起来。切片的旋转或平移可能表现为细胞运动,并扭曲推断出的对应关系。我们引入了水平流匹配,它学习组织组织、分子状态和细胞丰度的变化,直至共享的刚体运动。该动力学遵循连续性—反应方程,其作用对共享刚体运动不赋予代价,由此产生的水平投影器在学习过程中从空间预测误差中移除该分量,并在生成过程中从预测速度中移除该分量。一个等价的端点问题在 Wasserstein–Fisher–Rao 几何中联合估计对应关系和相对位姿,并产生解析路径,其速度和增长作为回归目标。对这些目标进行回归可在理想种群条件下恢复水平动力学。我们的模型 HORIZON 使用等变 transformer 从当前组织预测速度和增长,从而可以从单个初始快照连续生成组织。在扰动坐标系中观察的模拟组织上,对齐改善了重建,投影减少了刚体漂移。在四个空间转录组学时间序列上,HORIZON 比现有的空间和不平衡轨迹方法更准确地重建组织几何、基因表达和细胞丰度,并对留出的发育阶段进行插值。
评论: 38 页,7 幅图
主题: 机器学习(cs.LG);人工智能(cs.AI);定量方法(q-bio.QM)
引用为: arXiv:2611.24764 [cs.LG]
  (或 arXiv:2611.24764v1 [cs.LG] 为此版本)
  https://doi.org/10.48550/arXiv.2611.24764

由 DataCite 颁发的 arXiv DOI(待注册)

提交历史

来自:Zihan Wang [查看电子邮件]
[v1] 2026 年 11 月 18 日星期三 17:16:53 UTC(2,963 KB)

来源:arXiv cs.AI · arxiv.org