AI 與世界的難題 · 生命科學 · arXiv · 2026-10-22
自動編碼器在從染色質可及性預測基因表現方面優於兩個transformer模型
原標題: An autoencoder outperforms two transformers on prediction of gene expression from chromatin accessibility
從染色質可及性預測 RNA 豐度的模型，鮮少在同一組特徵、目標與指標下被比較，因此作者基於來自 19 項人類研究的 126,604 筆成對單細胞核圖譜建立了一個基準，採用涵蓋 50,000 個尖峰與 3,185 個基因的共享詞彙表，並比較了七種流程。建立在雙變分自編碼器之上的 scButterfly-B 流程，在全部六十次成對折比較中，於逐基因與細胞內 Spearman 相關係數上皆勝過所有 transformer 流程 — 包括自迴歸 Perceiver 模型 Omic Translator 與 Cisformer 的無 support 重新表述版本 — 且訓練時間縮短 3.8 倍。Transformer 在細胞內圖譜形狀上僅差 0.02-0.04,但在逐基因相關係數上落後 0.10-0.24;預先指定的消融實驗顯示，在捐贈者內逐基因相關係數上，Perceiver 編碼器比完整自注意力高出 +0.0439。