GeneMamba：単一細胞データ上の効率的かつ効果的な基盤モデル

概要: シングルセルRNAシーケンシング（scRNA-seq）は、細胞の不均一性を高解像度に解析できる一方で、高次元性、スパース性、バッチ効果によって特徴づけられるその複雑さが、主要な計算上の課題をもたらします。トランスフォーマーベースのモデルはこの分野で大きな進展を遂げているものの、二次的な計算量という制約や、長距離依存の取り扱いが十分でないことが多いです。本研究では、状態空間モデリングに基づく、単一細胞トランスクリプトミクス向けのスケーラブルで効率的な基盤モデルであるGeneMambaを導入します。Bi-Mambaアーキテクチャを活用することで、GeneMambaは線形時間計算量で双方向の遺伝子文脈を捉え、トランスフォーマーのベースラインに比べて大幅な計算上の利得を提供します。このモデルは約3,000万細胞で事前学習され、生物学的に根ざした目的関数を組み込みます。これには、経路を考慮したコントラスト損失や、順位に基づく遺伝子エンコーディングが含まれます。私たちは、GeneMambaを多様なタスク—たとえば複数バッチの統合、細胞タイプのアノテーション、遺伝子間相関—にわたって評価し、高い性能、解釈可能性、頑健性を示します。これらの結果は、GeneMambaをトランスフォーマーベースの手法に対する実用的で強力な代替として位置づけ、生物学的に根ざした、大規模単一細胞データ解析のためのスケーラブルなツールの開発を前進させます。