Buchumschlag

Fast and scalable Wasserstein-1 neural optimal transport solver for single-cell perturbation prediction

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Chen, Yanshuo, Hu, Zhengmian, Chen, Wei, Huang, Heng
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Genomics
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

scMRDR: A scalable and flexible framework for unpaired single-cell multi-omics data integration
von: Sun, Jianle, et al.
Veröffentlicht: (2025)

Interpretable deep learning in single-cell omics
von: Wagle, Manoj M, et al.
Veröffentlicht: (2024)

Active learning for efficient discovery of optimal gene combinations in the combinatorial perturbation space
von: Qin, Jason, et al.
Veröffentlicht: (2024)

Uncovering smooth structures in single-cell data with PCS-guided neighbor embeddings
von: Ma, Rong, et al.
Veröffentlicht: (2025)

White-Box Diffusion Transformer for single-cell RNA-seq generation
von: Cui, Zhuorui, et al.
Veröffentlicht: (2024)

JojoSCL: Shrinkage Contrastive Learning for single-cell RNA sequence Clustering
von: Wang, Ziwen
Veröffentlicht: (2025)

scRDiT: Generating single-cell RNA-seq data by diffusion transformers and accelerating sampling
von: Dong, Shengze, et al.
Veröffentlicht: (2024)

Machine Learning for analysis of Multiple Sclerosis cross-tissue bulk and single-cell transcriptomics data
von: Massafra, Francesco, et al.
Veröffentlicht: (2026)

Uncertainty-aware t-distributed Stochastic Neighbor Embedding for Single-cell RNA-seq Data
von: Ma, Hui, et al.
Veröffentlicht: (2024)

scMEDAL for the interpretable analysis of single-cell transcriptomics data with batch effect visualization using a deep mixed effects autoencoder
von: Andrade, Aixa X., et al.
Veröffentlicht: (2024)

scDiffusion: conditional generation of high-quality single-cell data using diffusion model
von: Luo, Erpai, et al.
Veröffentlicht: (2024)

CAVACHON: a hierarchical variational autoencoder to integrate multi-modal single-cell data
von: Hsieh, Ping-Han, et al.
Veröffentlicht: (2024)

Phenome-wide causal proteomics enhance systemic lupus erythematosus flare prediction: A study in Asian populations
von: Chen, Liying, et al.
Veröffentlicht: (2024)

Fast, memory-efficient genomic interval tokenizers for modern machine learning
von: LeRoy, Nathan J., et al.
Veröffentlicht: (2025)

Hierarchical novel class discovery for single-cell transcriptomic profiles
von: Senoussi, Malek, et al.
Veröffentlicht: (2024)

Soft Graph Clustering for single-cell RNA Sequencing Data
von: Xu, Ping, et al.
Veröffentlicht: (2025)

A mechanistically interpretable neural network for regulatory genomics
von: Tseng, Alex M., et al.
Veröffentlicht: (2024)

Lower-dimensional projections of cellular expression improves cell type classification from single-cell RNA sequencing
von: Umar, Muhammad, et al.
Veröffentlicht: (2024)

CASPER: Cross-modal Alignment of Spatial and single-cell Profiles for Expression Recovery
von: Kumar, Amit, et al.
Veröffentlicht: (2025)

Parameter-free representations outperform single-cell foundation models on downstream benchmarks
von: Souza, Huan, et al.
Veröffentlicht: (2026)

EFGPP: Exploratory framework for genotype-phenotype prediction
von: Muneeb, Muhammad, et al.
Veröffentlicht: (2026)

Wasserstein Wormhole: Scalable Optimal Transport Distance with Transformers
von: Haviv, Doron, et al.
Veröffentlicht: (2024)

Machine and deep learning methods for predicting 3D genome organization
von: Wall, Brydon P. G., et al.
Veröffentlicht: (2024)

scGHSOM: Hierarchical clustering and visualization of single-cell and CRISPR data using growing hierarchical SOM
von: Wen, Shang-Jung, et al.
Veröffentlicht: (2024)

scSiameseClu: A Siamese Clustering Framework for Interpreting single-cell RNA Sequencing Data
von: Xu, Ping, et al.
Veröffentlicht: (2025)

AnnotateMissense: a genome-wide annotation and benchmarking framework for missense pathogenicity prediction
von: Muneeb, Muhammad, et al.
Veröffentlicht: (2026)

DepoRanker: A Web Tool to predict Klebsiella Depolymerases using Machine Learning
von: Wright, George, et al.
Veröffentlicht: (2025)

Explainable convolutional neural network model provides an alternative genome-wide association perspective on mutations in SARS-CoV-2
von: Hatami, Parisa, et al.
Veröffentlicht: (2024)

PlantBiMoE: A Bidirectional Foundation Model with SparseMoE for Plant Genomes
von: Lin, Kepeng, et al.
Veröffentlicht: (2025)

Discovering Interpretable Biological Concepts in Single-cell RNA-seq Foundation Models
von: Claye, Charlotte, et al.
Veröffentlicht: (2025)

Exploring Gene Regulatory Interaction Networks and predicting therapeutic molecules for Hypopharyngeal Cancer and EGFR-mutated lung adenocarcinoma
von: Bhattacharjya, Abanti, et al.
Veröffentlicht: (2024)

scCDCG: Efficient Deep Structural Clustering for single-cell RNA-seq via Deep Cut-informed Graph Embedding
von: Xu, Ping, et al.
Veröffentlicht: (2024)

HAD: Hybrid Architecture Distillation Outperforms Teacher in Genomic Sequence Modeling
von: Yang, Hexiong, et al.
Veröffentlicht: (2025)

Pan-cancer gene set discovery via scRNA-seq for optimal deep learning based downstream tasks
von: Kim, Jong Hyun, et al.
Veröffentlicht: (2024)

Discovery of Disease Relationships via Transcriptomic Signature Analysis Powered by Agentic AI
von: Chen, Ke, et al.
Veröffentlicht: (2025)

MoRE: Batch-Robust Multi-Omics Representations from Frozen Pre-trained Transformers
von: Chen, Audrey Pei-Hsuan
Veröffentlicht: (2025)

Efficient Imputation for Patch-based Missing Single-cell Data via Cluster-regularized Optimal Transport
von: Liu, Yuyu, et al.
Veröffentlicht: (2026)

LOCO-EPI: Leave-one-chromosome-out (LOCO) as a benchmarking paradigm for deep learning based prediction of enhancer-promoter interactions
von: Tahir, Muhammad, et al.
Veröffentlicht: (2025)

GRIT: Graph-Regularized Logit Refinement for Zero-shot Cell Type Annotation
von: Hu, Tianxiang, et al.
Veröffentlicht: (2025)

ProtGO: A Transformer based Fusion Model for accurately predicting Gene Ontology (GO) Terms from full scale Protein Sequences
von: Tamir, Azwad, et al.
Veröffentlicht: (2024)