因果的細胞コンテキスト転移学習（C3TL）：未知の摂動効果を予測するための効率的アーキテクチャ
arXiv cs.LG / 2026/3/16
📰 ニュースIdeas & Deep AnalysisModels & Research
要点
- C3TLを提案する、定量的な細胞状態における未知の摂動効果を予測する軽量な因果転移学習アーキテクチャ。
- 本手法は摂動の構造化された性質と帰納的バイアスを活用し、広く入手可能なバルク分子データを用い、大規模な単一細胞データセットや専有ハードウェアに依存しません。
- 実データに基づく介入データに対する広範な検証は、新しい文脈での正確な予測を示し、データ量が少なくサイズも小さいにもかかわらず、最先端のファウンデーションモデルと競争力のある性能を発揮します。
- 本研究は、堅牢なバルク信号と効率的な設計を強調し、生物医学領域における因果学習を可能にするとともに、学術および臨床現場でのアクセス性を広げます。
