SwiftRepertoire: Few-Shot 免疫シグネチャ合成のための動的核コード

arXiv:2602.01051v4 発表タイプ: 差し替え 摘要：T 細胞受容体のレピュアレベル解析は、病気の検出や免疫モニタリングにおいて生物学的根拠に基づいたシグナルを提供しますが、ラベルの希少性、コホートの異質性、大規模エンコーダーの新たなタスクへの適応における計算負荷などにより、実用的なデプロイメントが阻害されています。我々は、軽量級タスク記述子から条件付けられたプロトタイプを含む学習された辞書から、コンパクトでタスク固有のパラメータ化を合成する枠組みを導入しました。この合成は、凍結された事前訓練されたバックボーンに適用されるアダプタモジュールを生み出し、少々のサポート例だけで、フルモデルのファインチューニングを不要として直ちに新しいタスクに適応することを可能にします。このアーキテクチャは、動機認識プローブと予測判断を配列レベルの信号に結びつける調整された動機発見パイプラインを通じて、解釈可能性を保証します。これらの要素は、ラベルデータが希少で計算リソースが制約されている多様な臨床および研究設定において、レピュアに基づくモデルを翻訳するための実用的、サンプル効率が高い、かつ解釈可能な経路を生み出します。

arXiv:2602.01051v4 Announce Type: replace Abstract: Repertoire-level analysis of T cell receptors offers a biologically grounded signal for disease detection and immune monitoring, yet practical deployment is impeded by label sparsity, cohort heterogeneity, and the computational burden of adapting large encoders to new tasks. We introduce a framework that synthesizes compact task-specific parameterizations from a learned dictionary of prototypes conditioned on lightweight task descriptors derived from repertoire probes and pooled embedding statistics. This synthesis produces small adapter modules applied to a frozen pretrained backbone, enabling immediate adaptation to novel tasks with only a handful of support examples and without full model fine-tuning. The architecture preserves interpretability through motif-aware probes and a calibrated motif discovery pipeline that links predictive decisions to sequence-level signals. Together, these components yield a practical, sample-efficient, and interpretable pathway for translating repertoire-informed models into diverse clinical and research settings where labeled data are scarce and computational resources are constrained.