DiscoBAX：基因组实验设计中最优干预集的发现
定量方法
2023-12-08 v1 机器学习
统计方法学
摘要
治疗遗传驱动病理学的疗法发现依赖于识别参与潜在疾病机制的基因。现有方法搜索数十亿种潜在干预措施，以最大化对目标表型的预期影响。然而，为降低后续试验阶段的失败风险，实际实验设计旨在通过多样化机制找到一组能最大程度改变目标表型的干预措施。我们提出DiscoBAX，一种样本高效的方法，用于在基因组实验活动中最大化每次实验的重大发现率，同时探测广泛多样的机制。我们在标准假设下提供了近似最优性的理论保证，并进行了全面的实验评估，涵盖合成任务和真实世界实验设计任务。DiscoBAX优于现有的最先进实验设计方法，在生物系统中选择了有效且多样化的扰动。
引用
@article{arxiv.2312.04064,
title = {DiscoBAX: Discovery of Optimal Intervention Sets in Genomic Experiment Design},
author = {Clare Lyle and Arash Mehrjou and Pascal Notin and Andrew Jesson and Stefan Bauer and Yarin Gal and Patrick Schwab},
journal= {arXiv preprint arXiv:2312.04064},
year = {2023}
}