ИИ и сложнейшие проблемы мира · Науки о жизни · arXiv · 2026-10-22
Автоэнкодер превосходит две трансформерные модели в предсказании экспрессии генов по доступности хроматина
Оригинальное название: An autoencoder outperforms two transformers on prediction of gene expression from chromatin accessibility
Модели, предсказывающие содержание РНК по доступности хроматина, редко сравниваются при одних и тех же признаках, целевых переменных и метриках, поэтому авторы построили бенчмарк на 126 604 парных одноядерных профилях из 19 исследований человека с общим словарём из 50 000 пиков и 3 185 генов и сравнили семь конвейеров. Конвейер scButterfly-B, построенный на двойных вариационных автоэнкодерах, превзошёл все трансформерные конвейеры — включая авторегрессионную модель Omic Translator на основе Perceiver и переформулировку Cisformer без опорных выборок — по погенной и внутриклеточной корреляции Спирмена во всех шестидесяти парных сравнениях фолдов, при этом обучение занимает в 3,8 раза меньше времени. Трансформеры приближаются к нему в пределах 0,02-0,04 по форме внутриклеточного профиля, но отстают на 0,10-0,24 по погенной корреляции, а заранее заданные аблации показывают, что энкодер Perceiver дал +0,0439 в погенной корреляции в пределах донора по сравнению с полным self-attention.