論文の概要: Population-based Optimization for Kinetic Parameter Identification in
Glycolytic Pathway in Saccharomyces cerevisiae
- arxiv url: http://arxiv.org/abs/2010.06456v1
- Date: Sat, 19 Sep 2020 21:57:28 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-16 21:18:23.606914
- Title: Population-based Optimization for Kinetic Parameter Identification in
Glycolytic Pathway in Saccharomyces cerevisiae
- Title（参考訳）: Saccharomyces cerevisiae の糖分解経路における動態パラメータ同定の集団最適化
- Authors: Ewelina Weglarz-Tomczak, Jakub M. Tomczak, Agoston E. Eiben, Stanley
Brul
- Abstract要約: 本稿では,動的モデルにおける運動パラメータの同定が可能な個体群ベース最適化フレームワークを提案する。
本手法は測定不能パラメータの同定やパラメータの偏差の発見に有効である。
本稿では,Saccharomyces cerevisiaeにおけるよく研究された糖分解経路の例について,最適化フレームワークを提案する。
- 参考スコア（独自算出の注目度）: 7.895232155155041
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Models in systems biology are mathematical descriptions of biological
processes that are used to answer questions and gain a better understanding of
biological phenomena. Dynamic models represent the network through rates of the
production and consumption for the individual species. The ordinary
differential equations that describe rates of the reactions in the model
include a set of parameters. The parameters are important quantities to
understand and analyze biological systems. Moreover, the perturbation of the
kinetic parameters are correlated with upregulation of the system by
cell-intrinsic and cell-extrinsic factors, including mutations and the
environment changes. Here, we aim at using well-established models of
biological pathways to identify parameter values and point their potential
perturbation/deviation. We present our population-based optimization framework
that is able to identify kinetic parameters in the dynamic model based on only
input and output data (i.e., timecourses of selected metabolites). Our approach
can deal with the identification of the non-measurable parameters as well as
with discovering deviation of the parameters. We present our proposed
optimization framework on the example of the well-studied glycolytic pathway in
Saccharomyces cerevisiae.
- Abstract（参考訳）: システム生物学のモデルは生物学的過程の数学的記述であり、疑問に答え、生物学的現象をよりよく理解するために用いられる。
動的モデルは、個々の種の生産と消費率によってネットワークを表現する。
モデル内の反応の速度を記述する通常の微分方程式はパラメータの集合を含む。
パラメータは生物学的システムを理解し分析する上で重要な量である。
さらに、運動パラメータの摂動は、突然変異や環境変化を含む細胞内および細胞外因子による系のアップレギュレーションと相関する。
そこで本研究では,生物経路のモデルを用いてパラメータ値を特定し,その潜在的な摂動/脱落を指摘する。
本稿では,入力・出力データ(選択された代謝物の時間経過)のみに基づいて,動的モデルの運動パラメータを識別可能な集団ベース最適化フレームワークを提案する。
本手法は,測定不能パラメータの同定だけでなく,パラメータの偏差の検出にも有効である。
本稿では,Saccharomyces cerevisiaeにおけるよく研究された糖分解経路の例を紹介する。
関連論文リスト
- On the Parameter Identifiability of Partially Observed Linear Causal Models [23.08796869216895]
因果構造と部分的に観察されたデータからエッジ係数を復元できるかどうかを検討する。
部分的に観察された線形因果モデルにおいて,パラメータの非決定性は3種類ある。
本稿では,潜伏変数の分散不確定性に特定の方法で対処する,確率に基づくパラメータ推定手法を提案する。
論文 参考訳（メタデータ） (2024-07-24T03:43:55Z) - Scaling Exponents Across Parameterizations and Optimizers [94.54718325264218]
本稿では,先行研究における重要な仮定を考察し,パラメータ化の新たな視点を提案する。
私たちの経験的調査には、3つの組み合わせでトレーニングされた数万のモデルが含まれています。
最高の学習率のスケーリング基準は、以前の作業の仮定から除外されることがよくあります。
論文 参考訳（メタデータ） (2024-07-08T12:32:51Z) - Cognitive Evolutionary Learning to Select Feature Interactions for Recommender Systems [59.117526206317116]
Cellはさまざまなタスクやデータに対して,さまざまなモデルに適応的に進化可能であることを示す。
4つの実世界のデータセットの実験では、細胞は最先端のベースラインを大幅に上回っている。
論文 参考訳（メタデータ） (2024-05-29T02:35:23Z) - Seeing Unseen: Discover Novel Biomedical Concepts via
Geometry-Constrained Probabilistic Modeling [53.7117640028211]
同定された問題を解決するために,幾何制約付き確率的モデリング処理を提案する。
構成された埋め込み空間のレイアウトに適切な制約を課すために、重要な幾何学的性質のスイートを組み込む。
スペクトルグラフ理論法は、潜在的な新規クラスの数を推定するために考案された。
論文 参考訳（メタデータ） (2024-03-02T00:56:05Z) - Causal machine learning for single-cell genomics [94.28105176231739]
単細胞ゲノミクスへの機械学習技術の応用とその課題について論じる。
まず, 単一細胞生物学における現在の因果的アプローチの基盤となるモデルについて述べる。
次に、単一セルデータへの因果的アプローチの適用におけるオープンな問題を特定する。
論文 参考訳（メタデータ） (2023-10-23T13:35:24Z) - Simulation-based Inference for Cardiovascular Models [57.92535897767929]
シミュレーションに基づく推論を用いて、波形をプラプシブルな生理的パラメータにマッピングする逆問題を解決する。
臨床応用5種類のバイオマーカーのin-silico不確実性解析を行った。
我々はMIMIC-III波形データベースを用いて,ビビオとシリカのギャップについて検討した。
論文 参考訳（メタデータ） (2023-07-26T02:34:57Z) - Data-driven and Physics Informed Modelling of Chinese Hamster Ovary Cell
Bioreactors [0.0]
プロセスデータから,中国のハムスター卵巣細胞バイオリアクターの動的進化のモデルを学ぶためのデータ駆動ハイブリッドモデルを提案する。
我々は,過剰に決定された代謝生物物理系の凸最適化ステップを,我々のアーキテクチャに分化可能なフィードフォワード層としてエンコードする。
論文 参考訳（メタデータ） (2023-05-05T03:09:33Z) - Systems Biology: Identifiability analysis and parameter identification
via systems-biology informed neural networks [5.104519140921464]
本稿では,パラメータ推定のためのシステム生物学情報ニューラルネットワークを提案する。
また,パラメータの識別可能性を分析するために,構造的および実用的識別可能性分析についても述べる。
論文 参考訳（メタデータ） (2022-02-03T17:40:03Z) - Learning System Parameters from Turing Patterns [0.0]
チューリング機構は、反応拡散過程における自発的対称性の破れによる空間パターンの出現を記述する。
本稿では,観測されたチューリングパターンからチューリングパラメータ値を予測する手法を提案する。
論文 参考訳（メタデータ） (2021-08-19T08:04:37Z) - Leveraging Global Parameters for Flow-based Neural Posterior Estimation [90.21090932619695]
実験観測に基づくモデルのパラメータを推定することは、科学的方法の中心である。
特に困難な設定は、モデルが強く不確定であるとき、すなわち、パラメータの異なるセットが同一の観測をもたらすときである。
本稿では,グローバルパラメータを共有する観測の補助的セットによって伝達される付加情報を利用して,その不確定性を破る手法を提案する。
論文 参考訳（メタデータ） (2021-02-12T12:23:13Z) - Kinetics-Informed Neural Networks [0.0]
我々は、通常の微分方程式を解くために、サロゲートモデルを構築するための基礎関数としてフィードフォワード人工ニューラルネットワークを用いる。
正規化多目的最適化設定におけるニューラルネットと運動モデルパラメータの同時学習により,逆問題の解が導かれることを示す。
この逆運動的ODEに対する代理的アプローチは、過渡的なデータに基づく反応機構の解明に役立てることができる。
論文 参考訳（メタデータ） (2020-11-30T00:07:09Z)
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。