AI और दुनिया की कठिन समस्याएँ · जीव विज्ञान · Nature (machine learning) · 2026-10-07

सामान्यीकरण-योग्य परटर्बेशन पूर्वानुमान

मूल शीर्षक: Generalizable perturbation prediction

कोशिका परटर्बेशन डेटा कारणात्मक नियामक संबंधों को उजागर करता है, लेकिन ऐसा डेटा अक्सर दुर्लभ होता है, जो एक संदर्भ में प्रतिक्रियाओं का अन्य संदर्भों से पूर्वानुमान लगाने वाली विधियों की आवश्यकता को प्रेरित करता है। लेखकों ने State विकसित किया, जो एक मशीन-लर्निंग मॉडल है और एकल-कोशिका परटर्बेशन प्रभावों के लिए ट्रांसफ़ॉर्मर-आधारित स्टेट ट्रांज़िशन मॉडल को पूर्व-प्रशिक्षित सेल-एम्बेडिंग मॉडल के साथ जोड़ता है। इसे 100 million से अधिक कोशिकाओं के परटर्बेशन डेटा और 167 million कोशिकाओं के ऑब्ज़र्वेशनल डेटा पर प्रशिक्षित किया गया, और टीम ने मॉडलों की तुलना के लिए एक मूल्यांकन फ़्रेमवर्क, Cell-Eval, भी बनाया।

मूल लेख पढ़ें ↗

सभी आइटम →