Buchumschlag

Validating Interpretability in siRNA Efficacy Prediction: A Perturbation-Based, Dataset-Aware Protocol

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Khodagholi, Zahra, Yousefi, Niloofar
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Genomics Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

siDPT: siRNA Efficacy Prediction via Debiased Preference-Pair Transformer
von: Zhang, Honggen, et al.
Veröffentlicht: (2025)

SGC: A semi-supervised pipeline for gene clustering using self-training approach in gene co-expression networks
von: Aghaieabiane, Niloofar, et al.
Veröffentlicht: (2022)

Central Dogma Transformer III: Interpretable AI Across DNA, RNA, and Protein
von: Ota, Nobuyuki
Veröffentlicht: (2026)

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

A Multi-Domain Multi-Task Approach for Feature Selection from Bulk RNA Datasets
von: Salta, Karim, et al.
Veröffentlicht: (2024)

Beyond Independent Genes: Learning Module-Inductive Representations for Gene Perturbation Prediction
von: Ruan, Jiafa, et al.
Veröffentlicht: (2026)

Adversarial Domain Adaptation Enables Knowledge Transfer Across Heterogeneous RNA-Seq Datasets
von: Dradjat, Kevin, et al.
Veröffentlicht: (2026)

Rare Genomic Subtype Discovery from RNA-seq via Autoencoder Embeddings and Stability-Aware Clustering
von: Mezghiche, Alaa
Veröffentlicht: (2025)

A Benchmark Dataset for Multimodal Prediction of Enzymatic Function Coupling DNA Sequences and Natural Language
von: Zhang, Yuchen, et al.
Veröffentlicht: (2024)

Predicting Gene Disease Associations in Type 2 Diabetes Using Machine Learning on Single-Cell RNA-Seq Data
von: Toledo, Maria De La Luz Lomboy, et al.
Veröffentlicht: (2026)

Modeling Gene Expression Distributional Shifts for Unseen Genetic Perturbations
von: Ramakrishnan, Kalyan, et al.
Veröffentlicht: (2025)

Diversity by Design: Addressing Mode Collapse Improves scRNA-seq Perturbation Modeling on Well-Calibrated Metrics
von: Mejia, Gabriel M., et al.
Veröffentlicht: (2025)

PerturBench: Benchmarking Machine Learning Models for Cellular Perturbation Analysis
von: Wu, Yan, et al.
Veröffentlicht: (2024)

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

RNAMunin: A Deep Machine Learning Model for Non-coding RNA Discovery
von: Lui, Lauren, et al.
Veröffentlicht: (2025)

Uncertainty-Aware Genomic Classification of Alzheimer's Disease: A Transformer-Based Ensemble Approach with Monte Carlo Dropout
von: Jo, Taeho, et al.
Veröffentlicht: (2025)

Global Ground Metric Learning with Applications to scRNA data
von: Kühn, Damin, et al.
Veröffentlicht: (2025)

A Large-Scale Comparative Analysis of Imputation Methods for Single-Cell RNA Sequencing Data
von: Iwashita, Yuichiro, et al.
Veröffentlicht: (2026)

CFM-GP: Unified Conditional Flow Matching to Learn Gene Perturbation Across Cell Types
von: Abir, Abrar Rahman, et al.
Veröffentlicht: (2025)

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

CodonMoE: DNA Language Models for mRNA Analyses
von: Du, Shiyi, et al.
Veröffentlicht: (2025)

HyperHELM: Hyperbolic Hierarchy Encoding for mRNA Language Modeling
von: van Spengler, Max, et al.
Veröffentlicht: (2025)

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

Genome-Factory: A Library for Tuning, Deploying, and Interpreting Genomic Foundation Models
von: Wu, Weimin, et al.
Veröffentlicht: (2025)

sc-OTGM: Single-Cell Perturbation Modeling by Solving Optimal Mass Transport on the Manifold of Gaussian Mixtures
von: Demir, Andac, et al.
Veröffentlicht: (2024)

scMamba: A Pre-Trained Model for Single-Nucleus RNA Sequencing Analysis in Neurodegenerative Disorders
von: Oh, Gyutaek, et al.
Veröffentlicht: (2025)

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

A Hybrid Computational Intelligence Framework for scRNA-seq Imputation: Integrating scRecover and Random Forests
von: Anaissi, Ali, et al.
Veröffentlicht: (2025)

Modeling Temporal scRNA-seq Data with Latent Gaussian Process and Optimal Transport
von: Balik, Mehmet Yigit, et al.
Veröffentlicht: (2026)

Bipartite Graph Attention-based Clustering for Large-scale scRNA-seq Data
von: Liang, Zhuomin, et al.
Veröffentlicht: (2026)

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

RNA-FrameFlow: Flow Matching for de novo 3D RNA Backbone Design
von: Anand, Rishabh, et al.
Veröffentlicht: (2024)

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

Disentangling Interpretable Factors with Supervised Independent Subspace Principal Component Analysis
von: Su, Jiayu, et al.
Veröffentlicht: (2024)

GV-Rep: A Large-Scale Dataset for Genetic Variant Representation Learning
von: Li, Zehui, et al.
Veröffentlicht: (2024)

On the (In)Significance of Feature Selection in High-Dimensional Datasets
von: Neekhra, Bhavesh, et al.
Veröffentlicht: (2025)

A Bioinformatic Approach Validated Utilizing Machine Learning Algorithms to Identify Relevant Biomarkers and Crucial Pathways in Gallbladder Cancer
von: Khatun, Rabea, et al.
Veröffentlicht: (2024)

Multi-Modal Machine Learning for Population- and Subject-Specific lncRNA-Type 2 Diabetes Association Analysis
von: Siwach, Ashwani, et al.
Veröffentlicht: (2026)

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

Assessing Concordance between RNA-Seq and NanoString Technologies in Ebola-Infected Nonhuman Primates Using Machine Learning
von: Rezapour, Mostafa, et al.
Veröffentlicht: (2024)