Die Rangliste des Obesity ML Challenge beginnt, echte Signale zu zeigen! In Partnerschaft mit @Schmidt_Center nutzen wir maschinelles Lernen, um vorherzusagen, wie Zellen auf Veränderungen reagieren, die die Fettentwicklung und -speicherung beeinflussen. Wir haben zwei Bewertungsstrecken entworfen, um zu testen, wie gut Modelle vorhersagen, was in Zellen passiert, wenn wir in sie eingreifen. Dieser Thread erklärt, wie die Rangliste funktioniert…

Zuerst, was meinen wir mit der Beeinflussung (oder "Störung") einer Zelle? Eine Störung ist eine kontrollierte Veränderung, die wir an einer Zelle vornehmen, wie das Ein- oder Ausschalten eines Gens oder das Hinzufügen eines Medikaments, um zu sehen, wie die Zelle reagiert. Diese Reaktion ist das, was Ihr Modell vorhersagen soll.

Die Herausforderung hat zwei Spuren, die jeweils eine andere Fähigkeit testen. Spur 1: Transkriptom-weite Metriken Dies wird helfen zu beantworten, ob Ihr Modell vorhersagen kann, wie sich die Genexpression nach einer Störung ändert. Spur 2: Programm-weite Metriken Dies wird helfen zu beantworten, ob Ihr Modell vorhersagen kann, in welchem Zustand die Zelle endet.

Track 1: Transkriptom-weite Metriken Wenn wir eine Zelle stören, können sich Tausende von Genen in ihrer Aktivität ändern. Dieser Track fragt: Hat Ihr Modell vorhergesagt, welche Gene angestiegen sind, welche gesunken sind und um wie viel? Wir bewerten dies mit zwei Metriken.

Metrik 1: Pearson Delta Dies misst, wie nah Ihre Vorhersagen an dem sind, was tatsächlich passiert ist. - Haben Sie die richtige Richtung der Veränderung vorhergesagt? - Haben Sie die richtige Größe vorhergesagt? Je näher die Übereinstimmungen, desto höher die Punktzahl.

Metrik 2: Maximale Mittlere Abweichung (MMD) Anstatt Gene einzeln zu überprüfen, betrachtet MMD das Gesamtbild. Es fragt: - Sieht Ihre vorhergesagte Genexpressionsverteilung der echten ähnlich aus? Dies hilft, Modelle zu erkennen, die die Gesamtstruktur übersehen.

Track 2: Programm-Ebene-Metriken Gene arbeiten zusammen, um Zellen in biologische Zustände zu versetzen. Nach einer Störung kann eine Zelle in folgende Zustände übergehen: - Vorfett - reifes Fett - Fettspeicher-Modus Dieser Track überprüft, ob Ihr Modell diese Ergebnisse korrekt vorhersagt.

Wir messen dies mit etwas, das als „L1-Distanz“ bezeichnet wird. Es vergleicht: - den tatsächlichen Anteil der Zellen in jedem Zustand vs - die vorhergesagten Anteile Ihres Modells Je geringer die Distanz, desto besser das Verständnis dafür, was die Zelle wird.