ترجمه فارسی مقاله PerturBench: مقایسه مدل های یادگیری ماشین برای تجزیه و تحلیل اختلالات سلولی

چکیده

We present a comprehensive framework for predicting the effects of perturbations in single cells, designed to standardize benchmarking in this rapidly evolving field. Our framework, PerturBench, includes a user-friendly platform, diverse datasets, metrics for fair model comparison, and detailed performance analysis. Extensive evaluations of published and baseline models reveal limitations like mode or posterior collapse, and underscore the importance of rank metrics that assess the ordering of perturbations alongside traditional measures like RMSE. Our findings show that simple models can outperform more complex approaches. This benchmarking exercise sets new standards for model evaluation, supports robust model development, and advances the potential of these models to use high-throughput and high-content genetic and chemical screens for disease target discovery.

چکیده به فارسی (ترجمه ماشینی)

ما یک چارچوب جامع برای پیش بینی اثرات آشفتگی در سلولهای منفرد ارائه می دهیم ، که برای استاندارد سازی معیار در این زمینه در حال تحول در حال تحول طراحی شده است.چارچوب ما ، آشفتگی ، شامل یک بستر کاربر پسند ، مجموعه داده های متنوع ، معیارهای مقایسه مدل عادلانه و تجزیه و تحلیل عملکرد دقیق است.ارزیابی های گسترده ای از مدل های منتشر شده و پایه محدودیت هایی مانند حالت یا فروپاشی خلفی را نشان می دهد ، و اهمیت معیارهای درجه ای را که ارزیابی نظم آشفتگی ها را در کنار اقدامات سنتی مانند RMSE ارزیابی می کند ، تأکید می کند.یافته های ما نشان می دهد که مدل های ساده می توانند از رویکردهای پیچیده تر عمل کنند.این تمرین معیار استانداردهای جدیدی را برای ارزیابی مدل تعیین می کند ، از توسعه مدل قوی پشتیبانی می کند و پتانسیل این مدل ها را برای استفاده از صفحه های ژنتیکی و شیمیایی با فشار بالا و با فشار بالا برای کشف هدف بیماری پیشرفت می کند.