AI与世界难题 · 生命科学 · arXiv · 2026-10-22
自编码器在基于染色质可及性预测基因表达方面优于两个Transformer模型
原标题: An autoencoder outperforms two transformers on prediction of gene expression from chromatin accessibility
从染色质可及性预测RNA丰度的模型很少在相同的特征、目标和指标下进行比较，因此作者基于来自19项人类研究的126,604个成对单细胞核图谱构建了一个基准，这些图谱共享包含50,000个峰和3,185个基因的词表，并据此比较了7种流程。基于双变分自编码器构建的scButterfly-B流程，在全部60个配对折比较中，其按基因和细胞内Spearman相关性均优于所有transformer流程——包括自回归Perceiver模型Omic Translator以及Cisformer的一种无需支持集的重构版本——且训练时间缩短3.8倍。Transformer在细胞内谱形状上的差距在0.02-0.04以内，但在按基因相关性上落后0.10-0.24；预先设定的消融实验显示，Perceiver编码器相比完全自注意力，在供者内按基因相关性上带来+0.0439的提升。