arXiv:2603.07233v2 cs.LG

유전자 섭동에 대한 세포 반응 예측을 위한 검색-증강 생성

Retrieval-Augmented Generation for Predicting Cellular Responses to Gene Perturbation

Andrea Giuseppe Di Francesco, Andrea Rubbi, Rishabh Jain, Pietro Liò

제출 2026-03-07

저자 비고

arXiv Comments

Accepted to NeurIPS 2026 main track. 34 pages, 11 figures, 18 tables

한국어 초록

유전적 섭동(genetic perturbation)에 대한 전사 반응을 예측하는 것은 기능 유전체학과 치료제 발굴의 기본 과제입니다. 최근 심층 학습(deep learning) 모델들은 단일 세포 섭동 반응 예측에서 유망한 성과를 보였으나, 일반적으로 관련 섭동 정보를 명시적으로 활용하지 않고 각 반응을 개별적으로 생성합니다. 본 논문에서는 생성형 세포 섭동 반응을 위한 플러그인 형태의 검색 및 조건화 모듈인 PT-RAG(Perturbation-aware Two-stage Retrieval-Augmented Generation)를 제안합니다. PT-RAG는 관련 섭동 문맥에 대한 학습된 접근 방식을 통해 기존 섭동-반응 백본을 증강합니다. 이 설정의 핵심 난제는 관련성이 고정되어 있지 않다는 점입니다. 즉, 기능적으로 관련된 유전자라도 세포 유형에 따라 서로 다른 영향을 유발할 수 있습니다. PT-RAG는 2단계 검색 메커니즘을 통해 이를 해결합니다. 먼저 GenePT 기반 의미론적 검색으로 K개의 후보 섭동을 식별한 다음, 미분 가능한 검벨-소프트맥스(Gumbel-Softmax) 선택기가 대조군 세포 상태, 질의 섭동, 각 후보 섭동을 조건으로 하여 검색된 문맥을 적응적으로 선택합니다. 본 연구는 동결된 무작위 리저버(frozen random reservoir)로 사용되는 STATE 스타일 생성기와 완전히 학습된 scGPT라는 두 가지 백본을 바탕으로, 세포 유형 간(cross-cell-type) 및 섭동 간(cross-perturbation) 일반화 태스크에서 PT-RAG를 평가합니다. PT-RAG는 분포 유사도를 일관되게 향상시키고 전반적인 예측 품질 또한 자주 개선합니다. 예를 들어 scGPT 세포 유형 간 결과에서 2-바서슈타인 거리(2-Wasserstein distance)는 scGPT 단독 사용 대비 5.9% 감소합니다. 실험을 재현할 수 있는 코드는 https://github.com/difra100/PT-RAG_NIPS 에서 확인할 수 있습니다.

원문 초록

Predicting transcriptional responses to genetic perturbations is fundamental to functional genomics and therapeutic discovery. Recent deep learning models have shown promise in single-cell perturbation response prediction, but they typically generate each response in isolation, without explicitly leveraging related perturbations. We introduce PT-RAG (Perturbation-aware Two-stage Retrieval-Augmented Generation), a plug-in retrieval-and-conditioning module for generative cellular perturbation response. PT-RAG augments an existing perturbation-response backbone with learned access to related perturbation contexts. The key challenge is that relevance is not fixed in this setting: functionally related genes may elicit different effects across cell types. PT-RAG addresses this with a two-stage retrieval mechanism: GenePT-based semantic retrieval first identifies K candidate perturbations, after which a differentiable Gumbel-Softmax selector adaptively selects retrieved contexts conditioned on the control cell state, the query perturbation, and each candidate perturbation. We evaluate PT-RAG on two backbones, a STATE-style generator used as a frozen random reservoir and a fully trained scGPT, across cross-cell-type and cross-perturbation generalization tasks. PT-RAG consistently improves distributional similarity and often overall predictive quality; for example, on scGPT cross-cell-type results, the 2-Wasserstein distance drops by 5.9% relative to scGPT alone. The code to reproduce our experiments is available at https://github.com/difra100/PT-RAG_NIPS.

제출 이력

확인된 버전만 표시합니다. 전체 제출 이력은 arXiv 원문에서 확인하세요.

  1. arXiv:2603.07233v2

함께 살펴볼 논문

공통 태그를 근거로 연결했습니다. 실제 인용 관계나 논문의 우수성을 뜻하지 않습니다.

arXiv:2609.23971v1cs.AI공통 태그 Drug Discovery, Retrieval-augmented Generation

UniK: 디지털 AI와 물리 AI를 위한 범용 지식 인식

UniK: Universal Knowledge Perception for Digital and Physical AI

조직의 운영 방식을 바꾸고 있는 두 가지 혁신적인 AI 시스템 유형이 있다. 하나는 기업 지식 위에서 추론하여 챗봇과 에이전트 워크플로를 구동하는 디지털 AI(digital AI)이고, 다른 하나는 영상, 게임플레이, 센서 원격 측정(telemetry)으로부터 로봇과 자율 시스템의 제어를 학습하는 물리 AI(physical AI)이다. 둘 다 동일한 근본적 병목에 직면한다. 이질적 모달리티에 걸친 대규모 원시 지식이 사설 코퍼스에 갇혀 있어, 기존 AI 인프라가 이를 신뢰성 있게 또는 효율적으로 접근하지 못한다는 점이다. 본 논문은 범용 지식 인식(Universal Knowledge Perception, UniK)을 두 유형 모두를 아우르는 공통 플랫폼으로 제안한다. 풍부한 텍스트와 영상부터 분자 데이터 및 센서 원격 측정에 이르는 다양한 모달리티에 걸쳐, 수집(ingestion), 강화(enrichment), 색인(indexing), 검색(retrieval), 지속적 평가(evaluation)를 포함하는 지식 전 생애주기 전반을 다룬다. 과제별 미세조정 없이, 자동으로 강화된 색인에 대한 다중 색인 융합(multi-index fusion)인 Polymath Retrieval 위에 구축된 UniK를 제시한다. 의학 문헌, 개방형 QA, 화학, 법률 영상 절차, 정부 공개 데이터 등 다섯 디지털 AI 도메인에서, 오픈소스 700억 매개변수 모델과 결합한 UniK는 차수적으로 더 큰 프론티어 독점 LLM과 지속적으로 동등하거나 그 이상의 성능을 보였다. 정부 데이터에서 RAG 정확도 76%(GPT-5는 47%), 미세조정 없이 의학 QA에서 77.9%, 모든 오픈소스 화학 파이프라인을 상회했다. 동일한 인프라가 물리 AI 월드 모델 학습이 직면한 데이터 큐레이션, 색인, 검색 과제를 직접 해결할 수 있음을 보이며, 해당 영역에서는 지식 문제가 더 어렵지만 구조적으로 동일하다.

arXiv:2607.02944v1cs.LG공통 태그 Drug Discovery, Retrieval-augmented Generation

부작용 인식 약물 재설계를 위한 선례 기반 공동 과학자 시스템

A Precedent-Guided Co-Scientist for Side-Effect-Aware Drug Redesign

우리는 지정된 부작용을 완화하는 동시에 치료 기능을 보존하기 위해 모화합물(parent compound)을 수정하는, 부작용 인식 약물 재설계를 위한 선례 기반 공동 과학자 시스템인 PRECEDE를 제안한다. 단독적인 분자 생성 대신, PRECEDE는 재설계를 약물-부작용 연관성, 생의학 지식 그래프, 안전성 기반 최적화의 선례에 대한 증거 기반 추론으로 정의하며, 명시적 정책과 인간 검토 체크포인트를 갖춘 대규모 언어 모델(LLM) 오케스트레이터가 이를 조율한다. 우리는 PRECEDE를 가설이 감사 가능하고, 반증 가능하며, 기존 약리학의 범위 내에 한정되는 인간 감독 AI-for-science 워크플로우로 위치시킨다.

arXiv:2610.00224v2cs.AI공통 태그 Retrieval-augmented Generation

Build2SPARQL: 빌딩 지식 그래프 쿼리를 위한 대규모 Text-to-SPARQL 벤치마크 데이터셋

Build2SPARQL: A Large-Scale Text-to-SPARQL Benchmark Dataset for Building Knowledge Graph Querying

빌딩 자동화 시스템은 Brick 및 ASHRAE 223P와 같은 온톨로지를 사용하는 시맨틱 지식 그래프(KG)로 점점 더 많이 표현되고 있으며, 이는 인공지능 응용을 위한 기계 판독 가능한 기반을 형성합니다. 유망한 응용 분야 중 하나는 자연어 질문을 SPARQL로 변환하는 Text-to-SPARQL로, 빌딩 관리자가 언어 에이전트를 통해 이러한 그래프를 쿼리할 수 있게 해주지만 대규모 자연어/SPARQL 벤치마크의 부족으로 발전이 제한되고 있습니다. 본 논문에서는 지식 그래프 기반(KG-grounded) 파이프라인으로 생성된 빌딩 지식 그래프용 대규모 벤치마크인 Build2SPARQL을 제시합니다. 이 파이프라인은 SPARQL 쿼리를 전적으로 그래프 순회 코드로 생성 및 검증하는 반면, 대규모 언어 모델(LLM)은 자연어 질문만을 생성하도록 하여 쿼리의 정확성을 모델의 동작과 독립적으로 유지합니다. 해당 파이프라인은 선형 체인, 분기, UNION, 집계, OPTIONAL, 속성 필터링의 6가지 쿼리 패턴 패밀리를 추출하며, 각 쿼리를 5가지 어휘 레지스터에 걸쳐 표현합니다. 201개의 빌딩 지식 그래프(Brick 180개, ASHRAE 223P 21개)에 적용하여 6,136개의 실행 가능한 SPARQL 쿼리와 30,680개의 질문을 도출했습니다. 300개 질문에 대한 2인 평가자 인적 검증 결과 98.8%의 시맨틱 충실도, 98.8%의 자연스러움, 84.0%의 운영 타당성을 확인했습니다. 3개의 공개 가중치(open-weight) 언어 모델에 걸친 검색-증강 평가에서는 완전 일치(exact-match) 정확도가 0.2~20%(제로샷)에서 56~65%(3샷 검색)로 향상되었습니다.

토론

이 논문과 연결된 포럼 글이 아직 없습니다.