A statistical theory of graph regularization for RNA velocity near developmental bifurcations
发育分叉附近 RNA 速度图正则化的统计理论AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：研究对象是细胞图上的生物统计正则化，材料未涉及经济网络、干扰效应或所列其他细分领域。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
发育分叉附近 RNA 速度图正则化的统计理论
- 研究问题
- 研究细胞状态图连接不同分支时，RNA 速度正则化如何在降低噪声和保留谱系特有动态之间形成权衡。
- 方法与思路
- 将图正则化表述为可能误设图上的估计问题，建立图谱偏差与方差分解，并定义区分分支泄漏的风险。
- 材料陈述的贡献
- 摘要称持续的跨分支连接可造成不消失的分支偏差，解释邻近图正则化在发育分叉附近可能不一致。
- 阅读关注点
- 应核对图与噪声模型、分支风险的定义，以及跨分支连接持续存在和渐近不一致结论所需的条件。
- 阅读边界
- 这是 arXiv 预印本，不能据此声称已同行评审或期刊接收；具体理论条件未说明，不能将可能不一致推广到所有图正则化。
原文摘要
Graph-based regularization is widely used to stabilize noisy RNA-velocity estimates by encouraging transcriptionally similar cells to share similar velocity vectors. Near developmental bifurcations, however, proximity-based graphs may connect cells from distinct daughter lineages, reducing estimation variance at the cost of attenuating biologically meaningful lineage-specific dynamics. We formulate graph-regularized RNA velocity as a statistical estimation problem on a potentially misspecified cell-state graph and develop a theoretical framework for analyzing this trade-off. We derive an exact graph-spectral bias--variance decomposition that characterizes how Laplacian regularization suppresses estimation noise while introducing systematic smoothing bias. To quantify lineage preservation, we introduce a branch-sensitive risk that separates within-lineage denoising from cross-lineage information leakage. We further show that persistent cross-branch connectivity can induce nonvanishing branch bias, implying that standard proximity-graph regularization may remain asymptotically inconsistent near developmental bifurcations. These results provide a mathematical foundation for understanding both the statistical benefits and the geometric limitations of graph regularization for RNA-velocity estimation.