AI dan Masalah-Masalah Sulit Dunia · Ilmu hayat · arXiv · 2026-10-22
Sebuah autoencoder mengungguli dua transformer dalam prediksi ekspresi gen dari aksesibilitas kromatin
Judul asli: An autoencoder outperforms two transformers on prediction of gene expression from chromatin accessibility
Model yang memprediksi kelimpahan RNA dari aksesibilitas kromatin jarang dibandingkan dengan fitur, target, dan metrik yang sama, sehingga para penulis membangun sebuah benchmark berdasarkan 126,604 profil single-nucleus yang berpasangan dari 19 studi manusia dengan kosakata bersama sebanyak 50,000 peak dan 3,185 gen, serta membandingkan tujuh pipeline. Pipeline scButterfly-B, yang dibangun di atas dual variational autoencoder, mengungguli setiap pipeline transformer — termasuk model Perceiver autoregresif Omic Translator dan reformulasi Cisformer tanpa support — pada korelasi Spearman per-gen dan dalam sel di seluruh enam puluh perbandingan fold berpasangan, dengan waktu pelatihan 3.8 kali lebih singkat. Transformer berada dalam selisih 0.02-0.04 pada bentuk profil dalam sel tetapi tertinggal 0.10-0.24 pada korelasi per-gen, dan ablasi yang ditetapkan sebelumnya menunjukkan encoder Perceiver bernilai +0.0439 dalam korelasi per-gen dalam donor dibandingkan self-attention penuh.