AI এবং বিশ্বের কঠিন সমস্যাগুলো · জীবনবিজ্ঞান · arXiv · 2026-10-22

ক্রোমাটিন অ্যাক্সেসিবিলিটি থেকে জিন এক্সপ্রেশনের পূর্বাভাসে একটি অটোএনকোডার দুটি ট্রান্সফরমারকে ছাড়িয়ে যায়

মূল শিরোনাম: An autoencoder outperforms two transformers on prediction of gene expression from chromatin accessibility

ক্রোমাটিন অ্যাক্সেসিবিলিটি থেকে RNA অ্যাবান্ডেন্সের পূর্বাভাস দেয় এমন মডেলগুলোর তুলনা খুব কমই একই ফিচার, টার্গেট ও মেট্রিক্সের অধীনে করা হয়, তাই গবেষকরা 19টি মানব গবেষণা থেকে নেওয়া 126,604টি জোড়া সিঙ্গেল-নিউক্লিয়াস প্রোফাইল এবং 50,000টি পিক ও 3,185টি জিনের একটি অভিন্ন ভোকাবুলারি নিয়ে একটি বেঞ্চমার্ক তৈরি করে সাতটি পাইপলাইনের তুলনা করেছেন। ডুয়াল ভ্যারিয়েশনাল অটোএনকোডারের ওপর ভিত্তি করে তৈরি scButterfly-B পাইপলাইন ষাটটি জোড়া ফোল্ড তুলনার প্রতিটিতেই প্রতি-জিন ও কোষ-অভ্যন্তরীণ Spearman কোরিলেশনে ট্রান্সফরমার পাইপলাইনগুলোর প্রতিটিকেই ছাড়িয়ে গেছে — এর মধ্যে রয়েছে অটোরিগ্রেসিভ Perceiver মডেল Omic Translator এবং Cisformer-এর একটি support-free পুনর্রূপায়ন — আর এর প্রশিক্ষণ সময় 3.8 গুণ কম। ট্রান্সফরমারগুলো কোষ-অভ্যন্তরীণ প্রোফাইল আকৃতিতে 0.02-0.04 এর মধ্যে কাছাকাছি পৌঁছায়, কিন্তু প্রতি-জিন কোরিলেশনে 0.10-0.24 পিছিয়ে থাকে; আর পূর্বনির্ধারিত অ্যাবলেশনগুলো দেখায়, পূর্ণ self-attention-এর তুলনায় ডোনর-অভ্যন্তরীণ প্রতি-জিন কোরিলেশনে Perceiver এনকোডারের অবদান ছিল +0.0439।

মূল লেখা পড়ুন ↗

সব আইটেম →