AI اور دنیا کے مشکل مسائل · حیاتیاتی علوم · Nature (machine learning) · 2026-10-07

قابلِ تعمیم پرٹربیشن کی پیش گوئی

اصل عنوان: Generalizable perturbation prediction

خلیاتی پرٹربیشن کا ڈیٹا علّتی ریگولیٹری تعلقات کو ظاہر کرتا ہے، لیکن ایسا ڈیٹا اکثر کمیاب ہوتا ہے، جو ایسے طریقوں کی ضرورت پیدا کرتا ہے جو ایک سیاق و سباق میں ردِعمل کی پیش گوئی دوسرے سیاق و سباق سے کر سکیں۔ مصنفین نے State تیار کیا، جو ایک مشین لرننگ ماڈل ہے اور جو واحد خلیے کے پرٹربیشن اثرات کے لیے ٹرانسفارمر پر مبنی اسٹیٹ ٹرانزیشن ماڈل کو پہلے سے تربیت یافتہ سیل ایمبیڈنگ ماڈل کے ساتھ ملاتا ہے۔ اسے 100 million سے زائد خلیوں کے پرٹربیشن ڈیٹا اور 167 million خلیوں کے مشاہداتی ڈیٹا پر تربیت دی گئی، اور ٹیم نے ماڈلز کا موازنہ کرنے کے لیے ایک جانچ کا فریم ورک Cell-Eval بھی بنایا۔

اصل تحریر پڑھیں ↗

تمام آئٹمز →