IA e os Problemas Difíceis do Mundo · Ciências da vida · arXiv · 2026-10-22
Um autoencoder supera dois transformers na predição da expressão gênica a partir da acessibilidade da cromatina
Título original: An autoencoder outperforms two transformers on prediction of gene expression from chromatin accessibility
Os modelos que predizem a abundância de RNA a partir da acessibilidade da cromatina raramente são comparados sob as mesmas características, alvos e métricas, por isso os autores construíram um benchmark sobre 126,604 perfis pareados de núcleo único de 19 estudos humanos, com um vocabulário compartilhado de 50,000 picos e 3,185 genes, e compararam sete pipelines. O pipeline scButterfly-B, construído sobre autoencoders variacionais duplos, superou todos os pipelines transformer — incluindo o modelo Perceiver autorregressivo Omic Translator e uma reformulação support-free do Cisformer — na correlação de Spearman por gene e dentro da célula em todas as sessenta comparações pareadas de folds, com treinamento 3.8 vezes mais curto. Os transformers chegam a ficar a 0.02-0.04 na forma do perfil dentro da célula, mas ficam atrás por 0.10-0.24 na correlação por gene, e ablações pré-especificadas mostram que o codificador Perceiver rendeu +0.0439 na correlação por gene dentro do doador em relação à self-attention completa.