介入対応型マルチスケール表現学習：イメージング・フェノミクスと摂動トランスクリプトミクスからの学習
arXiv cs.CV / 2026/4/28
📰 ニュースIdeas & Deep AnalysisModels & Research
要点
- 本論文は、薬剤探索に向けた顕微鏡ベースの表現型プロファイリングを、摂動トランスクリプトミクスで導く介入対応型のマルチスケール表現学習手法を提案しています。
- 遺伝子発現と介入メタデータを条件付けする「トランスクリプトーム条件付きティーチャー」により、薬剤類似性を反映した化学的コードブック上のソフト分布を生成します。
- 微調整した単一細胞の基盤モデルで細胞タイプ文脈を符号化し、用量（dose）効果を分離することで、従来のサンプル同一性に単純に合わせるマルチモーダル手法の限界に対処します。
- 画像のみの「スチューデント」モデルがティーチャーの機構的知識を蒸留し、テスト時は画像だけで独立に推論できる設計とすることで、未見の介入への汎化を高めます。
- Cell Painting と RxRx（L1000 をペアに使用）での実験では、自己教師ありやアラインメント基線よりも、未見介入へのワンショット転移や創薬標的遺伝子発見が大きく改善し、さらに理論的なリスク境界の保証も示されています。
