KI und die schwierigen Probleme der Welt · Lebenswissenschaften · arXiv · 2026-10-22
Ein Autoencoder übertrifft zwei Transformer bei der Vorhersage der Genexpression aus der Chromatin-Zugänglichkeit
Originaltitel: An autoencoder outperforms two transformers on prediction of gene expression from chromatin accessibility
Modelle zur Vorhersage der RNA-Abundanz aus der Chromatin-Zugänglichkeit werden selten unter denselben Merkmalen, Zielgrößen und Metriken verglichen, weshalb die Autoren einen Benchmark auf Grundlage von 126,604 gepaarten Single-Nucleus-Profilen aus 19 Humanstudien mit einem gemeinsamen Vokabular von 50,000 Peaks und 3,185 Genen aufbauten und sieben Pipelines verglichen. Die auf dualen variationalen Autoencodern aufgebaute Pipeline scButterfly-B übertraf jede Transformer-Pipeline — einschließlich des autoregressiven Perceiver-Modells Omic Translator und einer supportfreien Neufassung von Cisformer — bei der Spearman-Korrelation pro Gen und innerhalb der Zelle in allen sechzig gepaarten Fold-Vergleichen, und zwar mit 3.8-fach kürzerem Training. Bei der Profilform innerhalb der Zelle kommen Transformer auf 0.02-0.04 heran, bei der Korrelation pro Gen liegen sie jedoch um 0.10-0.24 zurück, und vorab festgelegte Ablationen zeigen, dass der Perceiver-Encoder bei der Per-Gen-Korrelation innerhalb eines Spenders +0.0439 gegenüber voller Self-Attention einbrachte.