Fugu-MT 論文翻訳(概要): Learning of signaling networks: molecular mechanisms

論文の概要: Learning of signaling networks: molecular mechanisms

arxiv url: http://arxiv.org/abs/2001.11679v2
Date: Tue, 17 Mar 2020 09:18:48 GMT
ステータス: 処理完了
システム内更新日: 2023-01-05 06:47:42.001147
Title: Learning of signaling networks: molecular mechanisms
Title（参考訳）: シグナルネットワークの学習 : 分子機構
Authors: P\'eter Csermely, Nina Kunsic, P\'eter Mendik, M\'ark Kerest\'ely, Teod\'ora Farag\'o, D\'aniel V. Veres, and P\'eter Tompa
Abstract要約: 非神経細胞の学習機構は分子レベルで完全には理解されていない。我々は、プロセスがシグナルネットワークの学習を構成し、単一非神経細胞のヘビアン学習プロセスに対応していると仮定する。我々は、細胞学習が創薬における新たな方向性を開き、新しい人工知能手法を創り出す方法について論じる。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Molecular processes of neuronal learning have been well-described. However, learning mechanisms of non-neuronal cells have not been fully understood at the molecular level. Here, we discuss molecular mechanisms of cellular learning, including conformational memory of intrinsically disordered proteins and prions, signaling cascades, protein translocation, RNAs (microRNA and lncRNA), and chromatin memory. We hypothesize that these processes constitute the learning of signaling networks and correspond to a generalized Hebbian learning process of single, non-neuronal cells, and discuss how cellular learning may open novel directions in drug design and inspire new artificial intelligence methods.
Abstract（参考訳）: 神経学習の分子過程はよく説明されている。しかし、非神経細胞の学習機構は分子レベルでは十分に理解されていない。本稿では,本研究の分子機構として,内因性に障害のあるタンパク質やプリオンのコンフォメーション記憶,シグナルカスケード,タンパク質の転位,RNA(microRNAおよびlncRNA),クロマチン記憶について論じる。これらのプロセスがシグナリングネットワークの学習を構成すると仮定し、単一、非神経細胞の一般化されたヒュービアン学習プロセスに対応し、細胞学習が薬物設計における新しい方向性を開き、新しい人工知能手法を刺激する方法について論じる。

関連論文リスト

Brain-like Functional Organization within Large Language Models [58.93629121400745]
人間の脳は長い間人工知能(AI)の追求にインスピレーションを与えてきた最近のニューロイメージング研究は、人工ニューラルネットワーク(ANN)の計算的表現と、人間の脳の刺激に対する神経反応との整合性の説得力のある証拠を提供する。本研究では、人工ニューロンのサブグループと機能的脳ネットワーク(FBN)を直接結合することで、このギャップを埋める。このフレームワークはANサブグループをFBNにリンクし、大きな言語モデル(LLM)内で脳に似た機能的組織を記述できる。
論文参考訳（メタデータ） (2024-10-25T13:15:17Z)
Brain-Inspired Machine Intelligence: A Survey of Neurobiologically-Plausible Credit Assignment [65.268245109828]
本稿では,神経生物学にインスパイアされた,あるいは動機付けられた人工ニューラルネットワークにおける信用割当を行うアルゴリズムについて検討する。我々は、脳にインスパイアされた学習スキームを6つの一般的なファミリーにまとめ、これらを誤りのバックプロパゲーションの文脈で検討する。本研究の成果は,神経ミメティックシステムとその構成的学習プロセスの今後の発展を促進することを目的としている。
論文参考訳（メタデータ） (2023-12-01T05:20:57Z)
A Study of Biologically Plausible Neural Network: The Role and Interactions of Brain-Inspired Mechanisms in Continual Learning [13.041607703862724]
人間は絶えず変化する環境から情報を取得し、統合し、保持するのに優れていますが、人工ニューラルネットワーク(ANN)は破滅的な忘れ物を示します。我々は、デイルの原理に従う排他的および抑制的ニューロンの集団を分離して構成する生物学的に妥当な枠組みを考察する。次に,脳にインスパイアされた様々なメカニズムの役割と相互作用について包括的研究を行い,その内容は,疎密な非重複表現,ヘビアン学習,シナプス統合,学習イベントに伴う過去の活性化の再現などである。
論文参考訳（メタデータ） (2023-04-13T16:34:12Z)
Contrastive-Signal-Dependent Plasticity: Self-Supervised Learning in Spiking Neural Circuits [61.94533459151743]
この研究は、スパイキングネットワークのシナプスを調整するための神経生物学的に動機づけられたスキームを設計することの課題に対処する。我々の実験シミュレーションは、繰り返しスパイクネットワークを訓練する際、他の生物学的に証明可能なアプローチに対して一貫した優位性を示す。
論文参考訳（メタデータ） (2023-03-30T02:40:28Z)
Zyxin is all you need: machine learning adherent cell mechanics [0.0]
データ駆動型生体物理モデリング手法を開発し、接着細胞の力学的挙動を学習する。まず、細胞骨格タンパク質の画像から付着細胞が生成する力を予測するためにニューラルネットワークを訓練する。次に、我々は、細胞力のデータ駆動モデルを構築するのに役立つ2つのアプローチ(一つは物理学によって明示的に制約された、もう一つは連続体)を開発します。
論文参考訳（メタデータ） (2023-03-01T02:08:40Z)
Constraints on the design of neuromorphic circuits set by the properties of neural population codes [61.15277741147157]
脳内では、情報はコード化され、伝達され、行動を伝えるために使用される。ニューロモルフィック回路は、脳内のニューロンの集団が使用するものと互換性のある方法で情報を符号化する必要がある。
論文参考訳（メタデータ） (2022-12-08T15:16:04Z)
Molecular dynamics without molecules: searching the conformational space of proteins with generative neural networks [0.0]
全原子および粗粒分子動力学はタンパク質のコンフォメーション状態の研究に広く用いられている。全ての原子と粗粒のシミュレーション手法は、スーパーコンピュータの資源にアクセスできなければ、これらの状態が検出可能な時間と長さのスケールが達成できないという事実に悩まされる。 1つの選択肢は、分子動力学の原子軌道を物理粒子の短期バージョンとして符号化し、人工知能ベクトルを用いて符号化された軌道を伝播させることである。
論文参考訳（メタデータ） (2022-06-09T02:06:43Z)
Generative Enriched Sequential Learning (ESL) Approach for Molecular Design via Augmented Domain Knowledge [1.4410716345002657]
生成機械学習技術は、分子指紋表現に基づく新しい化学構造を生成することができる。教師付きドメイン知識の欠如は、学習手順がトレーニングデータに見られる一般的な分子に相対的に偏っていることを誤解させる可能性がある。この欠点は、例えば薬物類似度スコア(QED)の定量的推定など、ドメイン知識でトレーニングデータを増強することで軽減した。
論文参考訳（メタデータ） (2022-04-05T20:16:11Z)
Learning by Active Forgetting for Neural Networks [36.47528616276579]
記憶と忘れのメカニズムは、人間の学習記憶システムにおいて、同じコインの2つの側面である。現代の機械学習システムは、記憶を良くすることで、生涯にわたる学習能力を持つ機械を育むために取り組んできた。本稿では,ニューラルネットワークを用いた能動的記憶機構による学習モデルを提案する。
論文参考訳（メタデータ） (2021-11-21T14:55:03Z)
Continuous Learning and Adaptation with Membrane Potential and Activation Threshold Homeostasis [91.3755431537592]
本稿では,MPATH(Membrane Potential and Activation Threshold Homeostasis)ニューロンモデルを提案する。このモデルにより、ニューロンは入力が提示されたときに自動的に活性を調節することで動的平衡の形式を維持することができる。実験は、モデルがその入力から適応し、継続的に学習する能力を示す。
論文参考訳（メタデータ） (2021-04-22T04:01:32Z)
Neural Cellular Automata Manifold [84.08170531451006]
ニューラルセルラーオートマタのニューラルネットワークアーキテクチャは、より大きなNNにカプセル化可能であることを示す。これにより、NAAの多様体を符号化する新しいモデルを提案し、それぞれが異なる画像を生成することができる。生物学的には、我々のアプローチは転写因子の役割を担い、細胞の分化を促進する特定のタンパク質への遺伝子マッピングを調節する。
論文参考訳（メタデータ） (2020-06-22T11:41:57Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。