Buchumschlag

A Standardized Framework For Evaluating Gene Expression Generative Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Rubbi, Andrea, Di Francesco, Andrea Giuseppe, Lotfollahi, Mohammad, Liò, Pietro
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

Retrieval-Augmented Generation for Predicting Cellular Responses to Gene Perturbation
von: Di Francesco, Andrea Giuseppe, et al.
Veröffentlicht: (2026)

Scalable Single-Cell Gene Expression Generation with Latent Diffusion Models
von: Palla, Giovanni, et al.
Veröffentlicht: (2025)

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

On the Recoverability of Causal Relations from Bulk Gene Expression Data
von: Luo, Gongxu, et al.
Veröffentlicht: (2026)

Multi-omic Causal Discovery using Genotypes and Gene Expression
von: Asiedu, Stephen, et al.
Veröffentlicht: (2025)

A Comparative Analysis of Gene Expression Profiling by Statistical and Machine Learning Approaches
von: Bontonou, Myriam, et al.
Veröffentlicht: (2024)

Feature Dimensionality Outweighs Model Complexity in Breast Cancer Subtype Classification Using TCGA-BRCA Gene Expression Data
von: Hasani, Meena Al
Veröffentlicht: (2026)

Machine Learning-Based Analysis of Ebola Virus' Impact on Gene Expression in Nonhuman Primates
von: Rezapour, Mostafa, et al.
Veröffentlicht: (2024)

Extending Sequence Length is Not All You Need: Effective Integration of Multimodal Signals for Gene Expression Prediction
von: Yang, Zhao, et al.
Veröffentlicht: (2026)

Evaluating Deep Regression Models for WSI-Based Gene-Expression Prediction
von: Gustafsson, Fredrik K., et al.
Veröffentlicht: (2024)

SNPgen: Phenotype-Supervised Genotype Representation and Synthetic Data Generation via Latent Diffusion
von: Lampis, Andrea, et al.
Veröffentlicht: (2026)

Meta-Learning on Augmented Gene Expression Profiles for Enhanced Lung Cancer Detection
von: Moghaddam, Arya Hadizadeh, et al.
Veröffentlicht: (2024)

GenoTEX: An LLM Agent Benchmark for Automated Gene Expression Data Analysis
von: Liu, Haoyang, et al.
Veröffentlicht: (2024)

HR-VILAGE-3K3M: A Human Respiratory Viral Immunization Longitudinal Gene Expression Dataset for Systems Immunity
von: Sun, Xuejun, et al.
Veröffentlicht: (2025)

Annotation-Informed Block-Sparse Bayesian Modeling for cis-Expression Prediction
von: Huang, Lei, et al.
Veröffentlicht: (2026)

Auxiliary Gene Learning: Spatial Gene Expression Estimation by Auxiliary Gene Selection
von: Shiku, Kaito, et al.
Veröffentlicht: (2025)

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

Quantum-Enhanced Classification of Brain Tumors Using DNA Microarray Gene Expression Profiles
von: Akpinar, Emine, et al.
Veröffentlicht: (2025)

Generative Language Models on Nucleotide Sequences of Human Genes
von: Ihtiyar, Musa Nuri, et al.
Veröffentlicht: (2023)

SpaDiT: Diffusion Transformer for Spatial Gene Expression Prediction using scRNA-seq
von: Li, Xiaoyu, et al.
Veröffentlicht: (2024)

Toward a Team of AI-made Scientists for Scientific Discovery from Gene Expression Data
von: Liu, Haoyang, et al.
Veröffentlicht: (2024)

Hierarchical Bayesian Model for Gene Deconvolution and Functional Analysis in Human Endometrium Across the Menstrual Cycle
von: Su, Crystal, 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)

CRISPR: Ensemble Model
von: Rostami, Mohammad, et al.
Veröffentlicht: (2024)

A New Framework for Explainable Rare Cell Identification in Single-Cell Transcriptomics Data
von: Su, Di, et al.
Veröffentlicht: (2026)

GenoMAS: A Multi-Agent Framework for Scientific Discovery via Code-Driven Gene Expression Analysis
von: Liu, Haoyang, et al.
Veröffentlicht: (2025)

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

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)

Whole Genome Transformer for Gene Interaction Effects in Microbiome Habitat Specificity
von: Li, Zhufeng, et al.
Veröffentlicht: (2024)

Machine Learning-Based Prediction of Key Genes Correlated to the Subretinal Lesion Severity in a Mouse Model of Age-Related Macular Degeneration
von: Yan, Kuan, et al.
Veröffentlicht: (2024)

A Multi-Label Temporal Convolutional Framework for Transcription Factor Binding Characterization
von: Demurtas, Pietro, et al.
Veröffentlicht: (2026)

Many Needles in a Haystack: Active Hit Discovery for Perturbation Experiments
von: Rubbi, Andrea, et al.
Veröffentlicht: (2026)

GenBench: A Benchmarking Suite for Systematic Evaluation of Genomic Foundation Models
von: Liu, Zicheng, et al.
Veröffentlicht: (2024)

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

DART-Eval: A Comprehensive DNA Language Model Evaluation Benchmark on Regulatory DNA
von: Patel, Aman, et al.
Veröffentlicht: (2024)

Fast and Scalable Gene Embedding Search: A Comparative Study of FAISS and ScaNN
von: Refahi, Mohammad Saleh, et al.
Veröffentlicht: (2025)

ShortListing Model: A Streamlined SimplexDiffusion for Discrete Variable Generation
von: Song, Yuxuan, et al.
Veröffentlicht: (2025)

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)

BSM: Small but Powerful Biological Sequence Model for Genes and Proteins
von: Xiang, Weixi, et al.
Veröffentlicht: (2024)

D3LM: A Discrete DNA Diffusion Language Model for Bidirectional DNA Understanding and Generation
von: Yang, Zhao, et al.
Veröffentlicht: (2026)