L'IA face aux grands problèmes du monde · Sciences du vivant · arXiv · 2026-10-22
Un autoencodeur surpasse deux transformers pour la prédiction de l'expression des gènes à partir de l'accessibilité de la chromatine
Titre original: An autoencoder outperforms two transformers on prediction of gene expression from chromatin accessibility
Les modèles qui prédisent l'abondance de l'ARN à partir de l'accessibilité de la chromatine sont rarement comparés avec les mêmes caractéristiques, cibles et métriques ; les auteurs ont donc construit un benchmark à partir de 126,604 profils mono-nucléaires appariés issus de 19 études humaines, avec un vocabulaire commun de 50,000 pics et 3,185 gènes, et ont comparé sept pipelines. Le pipeline scButterfly-B, construit sur des autoencodeurs variationnels doubles, a surpassé tous les pipelines à transformer — y compris le modèle Perceiver autorégressif Omic Translator et une reformulation de Cisformer sans support — pour la corrélation de Spearman par gène et intra-cellule dans les soixante comparaisons de folds appariés, avec un entraînement 3.8 fois plus court. Les transformers arrivent à 0.02-0.04 près sur la forme des profils intra-cellule, mais accusent un retard de 0.10-0.24 sur la corrélation par gène, et des ablations prédéfinies montrent que l'encodeur Perceiver a apporté +0.0439 en corrélation par gène intra-donneur par rapport à l'auto-attention complète.