論文の概要: Modeling Cell Populations Measured By Flow Cytometry With Covariates
Using Sparse Mixture of Regressions
- arxiv url: http://arxiv.org/abs/2008.11251v2
- Date: Wed, 3 Aug 2022 23:52:42 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-25 04:27:42.054580
- Title: Modeling Cell Populations Measured By Flow Cytometry With Covariates
Using Sparse Mixture of Regressions
- Title(参考訳): Sparse Mixture of Regressions を用いたフローサイトメトリーによる細胞集団のモデル化
- Authors: Sangwon Hyun, Mattias Rolf Cape, Francois Ribalet, Jacob Bien
- Abstract要約: 海は植物プランクトンと呼ばれる微細藻で満たされており、陸地にあるすべての植物と同じ量の光合成を担っている。
我々の温暖化に対する反応を予測する能力は、植物プランクトン個体群の動態が環境条件の変化にどのように影響するかを理解することに依存している。
現在、海洋学者は移動船上でリアルタイムにフローデータを収集することができ、数千kmにわたって植物プランクトンの分布を詳細に把握することができる。
- 参考スコア(独自算出の注目度): 2.5463557459240955
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The ocean is filled with microscopic microalgae called phytoplankton, which
together are responsible for as much photosynthesis as all plants on land
combined. Our ability to predict their response to the warming ocean relies on
understanding how the dynamics of phytoplankton populations is influenced by
changes in environmental conditions. One powerful technique to study the
dynamics of phytoplankton is flow cytometry, which measures the optical
properties of thousands of individual cells per second. Today, oceanographers
are able to collect flow cytometry data in real-time onboard a moving ship,
providing them with fine-scale resolution of the distribution of phytoplankton
across thousands of kilometers. One of the current challenges is to understand
how these small and large scale variations relate to environmental conditions,
such as nutrient availability, temperature, light and ocean currents. In this
paper, we propose a novel sparse mixture of multivariate regressions model to
estimate the time-varying phytoplankton subpopulations while simultaneously
identifying the specific environmental covariates that are predictive of the
observed changes to these subpopulations. We demonstrate the usefulness and
interpretability of the approach using both synthetic data and real
observations collected on an oceanographic cruise conducted in the north-east
Pacific in the spring of 2017.
- Abstract(参考訳): 海は植物プランクトンと呼ばれる微細藻で満たされており、陸地にあるすべての植物と同じ量の光合成を担っている。
我々の温暖化に対する反応を予測する能力は、植物プランクトン個体群の動態が環境の変化にどのように影響するかを理解することに依存している。
植物プランクトンの力学を研究するための強力な技術はフローサイトメトリーであり、毎秒数千の個々の細胞の光学特性を測定する。
今日では、海洋学者は移動船上でリアルタイムにフローサイトメトリーデータを収集することができ、数千kmにわたって植物プランクトンの分布を詳細に把握することができる。
現在の課題の1つは、これらの小規模で大規模な変化が、栄養状態、温度、光、海流などの環境条件にどのように関係しているかを理解することである。
本稿では,多変量回帰モデルを用いて,植物プランクトンサブポピュレーションを推定し,それらのサブポピュレーションの変化を予測できる特定の環境共変量を同時に同定する手法を提案する。
本研究は,2017年春の東北太平洋における海洋航海における合成データと実測データを用いて,このアプローチの有用性と解釈可能性を示す。
関連論文リスト
- Meta Flow Matching: Integrating Vector Fields on the Wasserstein Manifold [83.18058549195855]
自然科学における複数の過程は、確率密度のワッサーシュタイン多様体上のベクトル場として表さなければならない。
特に、疾患の発生とその治療反応が患者固有の細胞の微小環境に依存するパーソナライズド医療において重要である。
本稿では,これらのベクトル場をワッサーシュタイン多様体上で積分するメタフローマッチング(Meta Flow Matching, MFM)を提案する。
論文 参考訳(メタデータ) (2024-08-26T20:05:31Z) - OXYGENERATOR: Reconstructing Global Ocean Deoxygenation Over a Century with Deep Learning [50.365198230613956]
既存の専門家が支配する数値シミュレーションは、地球温暖化や人的活動によって引き起こされる動的変動に追いつかなかった。
1920年から2023年までの世界の海洋脱酸素モデルを再構築するために,最初の深層学習モデルであるOxyGeneratorを提案する。
論文 参考訳(メタデータ) (2024-05-12T09:32:40Z) - Machine Learning Reveals Large-scale Impact of Posidonia Oceanica on
Mediterranean Sea Water [0.0818489539741914]
ポシドニア海洋は地中海の保護区であり、生物多様性を育み、炭素を貯蔵し、酸素を放出し、多くの海洋生物に生息地を提供する。
この研究は、植物が環境に世界的影響を及ぼし、この植物が海洋生態系において重要な役割を担っていることを示す証拠を提供する。
論文 参考訳(メタデータ) (2024-02-22T11:35:52Z) - Deep-learning-powered data analysis in plankton ecology [31.874825130479174]
ディープラーニングアルゴリズムの実装は、プランクトン生態学に新たな視点をもたらした。
深層学習は様々な環境下でプランクトン生物を研究する客観的スキームを提供する。
論文 参考訳(メタデータ) (2023-09-15T16:04:11Z) - Dependence of Physiochemical Features on Marine Chlorophyll Analysis
with Learning Techniques [0.0]
植物プランクトンの濃度の不均衡は生態系のバランスを損なう可能性がある。
植物プランクトンの生育は、鉄、硝酸塩、リン酸塩、pH、塩分などの生理化学的成分の最適濃度に依存する。
我々はベンガル湾で機械学習と深層学習を用いて,物理化学的特徴に基づくクロロフィルの回帰モデルを構築した。
論文 参考訳(メタデータ) (2023-04-23T19:46:03Z) - Multi-scale Digital Twin: Developing a fast and physics-informed
surrogate model for groundwater contamination with uncertain climate models [53.44486283038738]
気候変動は地下水汚染の長期的な土壌管理問題を悪化させる。
U-Net強化フーリエニューラル汚染(PDENO)を用いた物理インフォームド機械学習サロゲートモデルを開発した。
並行して、気候データと組み合わされた畳み込みオートエンコーダを開発し、アメリカ合衆国全体の気候領域の類似性の次元を減少させる。
論文 参考訳(メタデータ) (2022-11-20T06:46:35Z) - Spatiotemporal modeling of European paleoclimate using doubly sparse
Gaussian processes [61.31361524229248]
計算負担を軽減するため,近年の大規模分散時間GPを構築した。
我々は,古気候の確率モデルを構築するために,この2倍のスパースGPをうまく利用した。
論文 参考訳(メタデータ) (2022-11-15T14:15:04Z) - Towards Generating Large Synthetic Phytoplankton Datasets for Efficient
Monitoring of Harmful Algal Blooms [77.25251419910205]
有害な藻類(HAB)は養殖農場で重大な魚死を引き起こす。
現在、有害藻や他の植物プランクトンを列挙する標準的な方法は、顕微鏡でそれらを手動で観察し数えることである。
合成画像の生成にはGAN(Generative Adversarial Networks)を用いる。
論文 参考訳(メタデータ) (2022-08-03T20:15:55Z) - Microplankton life histories revealed by holographic microscopy and deep
learning [0.0]
我々は,マイクロプランクトンを生涯にわたって追跡し,その三次元的位置と乾燥質量を連続的に測定できることを示した。
これにより、ドライ質量増加と細胞分裂の両面から成長速度を確実に推定することができ、また種間の栄養的相互作用を測定することができる。
マイクロ動物プランクトン給餌イベントの詳細な説明、細胞分裂、および単一細胞の分裂から分裂までの長期モニタリングによってこれを実証する。
論文 参考訳(メタデータ) (2022-02-18T07:06:50Z) - SALT: Sea lice Adaptive Lattice Tracking -- An Unsupervised Approach to
Generate an Improved Ocean Model [72.3183990520267]
シーライス分散と分布を効率的に推定するためのシーライス適応格子追跡手法を提案する。
具体的には、局所的な海洋特性に基づいて、オーシャンモデルの格子グラフにノードをマージすることで、適応的な空間メッシュを生成する。
提案手法は, 変動する気候下での海洋ライス寄生圧マップの予測モデルにより, 積極的養殖管理の促進を約束するものである。
論文 参考訳(メタデータ) (2021-06-24T17:29:42Z) - A Predictive Model for Geographic Distributions of Mangroves [0.0]
マングローブは他の海洋生物に対する保護性のため、特に海洋生態系と関係がある。
グローバル分布の変化は,前年のグローバル分布に基づいて調査された。
最高の性能予測モデルは支持ベクトル回帰器であり、相関係数は0.9998である。
論文 参考訳(メタデータ) (2020-12-30T22:52:50Z)
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。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。