Лидеры таблицы результатов Обжорства ML Challenge начинают показывать реальные сигналы! В партнерстве с @Schmidt_Center мы используем машинное обучение для прогнозирования того, как клетки реагируют на изменения, влияющие на развитие и хранение жира. Мы разработали два оценочных трека, чтобы проверить, насколько хорошо модели предсказывают, что происходит внутри клеток, когда мы вмешиваемся в них. Эта ветка объясняет, как работает таблица результатов…

Во-первых, что мы имеем в виду под вмешательством (или "возмущением") клетки? Возмущение — это контролируемое изменение, которое мы применяем к клетке, например, включение/выключение гена или добавление лекарства, чтобы увидеть, как клетка реагирует. Эта реакция — то, что ваша модель должна предсказать.

Вызов имеет два направления, каждое из которых проверяет разные навыки. Направление 1: Метрики по всему транскриптому Это поможет ответить на вопрос, может ли ваша модель предсказать, как изменяется экспрессия генов после воздействия. Направление 2: Метрики на уровне программы Это поможет ответить на вопрос, может ли ваша модель предсказать, в каком состоянии окажется клетка.

Трек 1: Метрики по всему транскриптому Когда мы нарушаем работу клетки, тысячи генов могут изменить свою активность. Этот трек задает вопрос: Предсказала ли ваша модель, какие гены увеличили, а какие уменьшили свою активность, и на сколько? Мы оцениваем это с помощью двух метрик.

Метрика 1: Дельта Пирсона Это измеряет, насколько близки ваши прогнозы к тому, что на самом деле произошло. - Предсказали ли вы правильное направление изменения? - Предсказали ли вы правильную величину? Чем ближе совпадения, тем выше балл.

Метрика 2: Максимальное среднее отклонение (MMD) Вместо того чтобы проверять гены по одному, MMD рассматривает общую картину. Он задает вопрос: - Соответствует ли распределение предсказанной экспрессии генов реальному? Это помогает выявить модели, которые упускают общую структуру.

Трек 2: Метрики на уровне программы Гены работают вместе, чтобы переводить клетки в биологические состояния. После воздействия клетка может перейти в: - преджировую - зрелую жировую - режим хранения жира Этот трек проверяет, правильно ли ваша модель предсказывает эти результаты.

Мы измеряем это с помощью так называемого "L1 расстояния". Оно сравнивает: - реальную пропорцию клеток в каждом состоянии и - предсказанные пропорции вашей модели. Чем меньше расстояние, тем лучше понимание того, чем становится клетка.