Dec, 2023

DiscoBAX: 基因组实验设计中最佳干预集的发现

PDF
TL;DR减少临床试验失败风险的实验设计方法，通过发现与遗传驱动的病理有关的基因，最大限度地改变目标表型，并且在基因组实验中探索多样性机制，从而优于现有的实验设计方法。
therapeuticsgenetically-driven pathologiesgenesexperiment designbiological systems
发现论文，激发创造
  • 干预在何地、何种方式？ 大规模因果模型的实验设计

    本文提出将 Bayesian 因果发现方法融入到贝叶斯优化实验设计框架中，可以在选择干预目标和值的同时，发现具有大规模、非线性结构因果模型的有效性已在合成图和基因调控网络数据集上得到验证。

    Mar, 2022

  • ABCD - 策略：针对有目标因果结构发现的预算实验设计

    本文提出了基于贝叶斯推断的最优实验设计的一般框架和理论，用于目标因果性发现。该方法基于次模性提供了可行的实现，并在人工数据集和真实数据集上证明其优越性能。

    Feb, 2019

  • 遗传扰动实验的神经设计

    本文提出了一种理论上可行的方法来探索批量扰动以最大化目标基因表型，介绍了一个称为优先臂淘汰的约束优化技术，并发现在模拟和真实基因扰动数据的实验中，优先臂淘汰算法明显优于其他算法。

    Jul, 2022

  • 生物探索代理：设计基因扰动实验的 AI 代理

    BioDiscoveryAgent 是一个基于大型语言模型的代理，通过利用其丰富的背景知识和推理能力，加速科学探索。它在设计基因干预实验中表现出色，能够在不需要训练机器学习模型或显式设计获取函数的情况下，利用其生物学知识独特地设计新的实验。与现有特定训练任务的贝叶斯优化基准相比，BioDiscoveryAgent 在检测所需表型方面平均提高了 18％。它还能准确预测基因组合来干扰实验设计，并具有搜索生物医学文献、执行代码以分析生物数据集，并请另一代理对其预测进行评估的功能。总之，BioDiscoveryAgent 代表了计算生物实验设计中可解释性的全新范例，具备增强科学家能力的潜力。

    May, 2024

  • 转移学习贝叶斯优化在诊断测定中设计竞争 DNA 分子

    通过结合转移学习代理模型和贝叶斯优化，本文提出了一种实现工程生物分子装置的定制生物序列开发的设计实验工作流程，旨在减少实验数量并提高预测准确性。

    Feb, 2024

  • 贝叶斯干预优化用于因果发现

    我们提出了一种基于贝叶斯优化的方法，通过活动干预来最大化获取决定性和正确证据的概率，从而有效地发现因果关系，并增强理论进展的实际应用。

    Jun, 2024

  • 可微分的多目标因果贝叶斯实验设计

    我们提出了一种基于梯度的方法来解决贝叶斯最优实验设计问题，以在批处理设置中学习因果模型。我们完全摆脱了黑盒优化技术和贪婪启发式方法，并提出了一个概念上简单的端到端梯度优化过程，以获得一组最优干预目标状态组。这种方法 outperforms 多个基线和现有获取策略，无论是在单目标还是在多目标设置下。

    Feb, 2023

  • 盐胡椒调味品与季节组合干预预测

    通过对基因干预的影响进行估计，本研究聚焦于基因对的组合对细胞转录组的效应，并引入了 Salt 和 Peper 两种新方法，Salt 从生物学启发并假设组合效应主要是加性的，而 Peper 则通过深度学习拓展了 Salt 的加性假设以实现前所未有的准确性，与现有先进方法进行全面比较并在现实环境中进行越界分析突出了当前模型的局限性，凸显了改进建模技术和数据获取策略的必要性，为更有效地探索基因干预效应铺平了道路。

    Apr, 2024

  • 目标定向顺序间接实验设计

    通过二级优化程序，我们开发了一种自适应策略，设计间接实验来在选定的目标上尽可能减小询问的上下界之间的差距，从而告知关于真实机制的查询。

    May, 2024

  • DiscoGen: 学习发现基因调控网络

    介绍 DiscoGen，这是一种基于神经网络的 GRN 发现方法，它可以去噪基因表达度量并处理干预数据，我们证明了我们的模型优于 SOTA 神经网络基因因果发现方法。

    Apr, 2023