KI und die schwierigen Probleme der Welt · Lebenswissenschaften · arXiv · 2026-10-23
Benchmarking aktueller Methoden zur Generierung synthetischer Einzelzelldaten am OneK1K-Datensatz
Originaltitel: Benchmarking Recent Single-Cell Synthetic Data Generation Methods on the OneK1K Dataset
Die Arbeit befasst sich mit dem datenschutzbewussten Teilen von spenderbezogenen Einzelzell-RNA-seq-Daten. Sie vergleicht drei Generatoren für synthetische Daten, scGFT, scLDM und Cell2Sentence, anhand des OneK1K-Datensatzes für die CAMDA 2026 ELSA Challenge. Das Kopieren von Genwerten außerhalb der hochvariablen Gene führt zu erheblichen Datenlecks, während eine Poisson-basierte Rekonstruktion das Risiko von Membership-Inference deutlich senkt; scGFT und scLDM bewahren die biologische Struktur besser als eine Poisson-Baseline.