論文の概要: Evolving Nano Particle Cancer Treatments with Multiple Particle Types
- arxiv url: http://arxiv.org/abs/2011.04975v1
- Date: Tue, 10 Nov 2020 08:46:30 GMT
- ステータス: 翻訳完了
- システム内更新日: 2022-09-27 07:06:19.985103
- Title: Evolving Nano Particle Cancer Treatments with Multiple Particle Types
- Title（参考訳）: 多発性粒子型ナノ粒子癌治療の進歩
- Authors: Michail-Antisthenis Tsompanas, Larry Bull, Andrew Adamatzky, Igor
Balaz
- Abstract要約: 本稿では,癌腫瘍を標的としたナノ粒子ベースの薬物デリバリーシステムを設計する際の問題点について検討する。
複数のタイプのNPを利用することは、治療の複雑さが高いため、より効果的であることが期待されている。
この結果から,あらかじめ定義された計算予算の下で,進化的手法を用いて解空間を探索する場合,複数のタイプのNPを利用する方が効率的であることが示唆された。
- 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: Evolutionary algorithms have long been used for optimization problems where
the appropriate size of solutions is unclear a priori. The applicability of
this methodology is here investigated on the problem of designing a
nano-particle (NP) based drug delivery system targeting cancer tumours.
Utilizing a treatment comprising of multiple types of NPs is expected to be
more effective due to the higher complexity of the treatment. This paper begins
by utilizing the well-known NK model to explore the effects of fitness
landscape ruggedness upon the evolution of genome length and, hence, solution
complexity. The size of a novel sequence and the absence or presence of
sequence deletion are also considered. Results show that whilst landscape
ruggedness can alter the dynamics of the process, it does not hinder the
evolution of genome length. These findings are then explored within the
aforementioned real-world problem. In the first known instance, treatments with
multiple types of NPs are used simultaneously, via an agent-based open source
physics-based cell simulator. The results suggest that utilizing multiple types
of NPs is more efficient when the solution space is explored with the
evolutionary techniques under a predefined computational budget.
- Abstract（参考訳）: 進化的アルゴリズムは、解の適切なサイズが未定の最適化問題に長い間使われてきた。
本手法の適用性は, 癌腫瘍を標的としたナノ粒子(np)ベースの薬物デリバリーシステムの設計について検討した。
複数のタイプのnpsからなる治療は、処理の複雑さが高いため、より効果的であることが期待される。
本稿では、よく知られたNKモデルを用いて、ゲノム長の進化と解の複雑さに対するフィットネスランドスケープの頑丈さの影響を調べることから始める。
新規配列の大きさや配列欠落の有無も考慮される。
その結果、ランドスケープの頑丈さはプロセスのダイナミクスを変えることができるが、ゲノム長の進化を妨げるものではないことが示された。
これらの発見は、前述の現実世界の問題の中で調査される。
最初の例では、エージェントベースのオープンソース物理学ベースの細胞シミュレータを通して、複数のタイプのNPによる処理を同時に使用する。
この結果から,あらかじめ定義された計算予算の下で,進化的手法を用いて解空間を探索する場合,複数のタイプのNPを利用する方が効率的であることが示唆された。
関連論文リスト
- Selective Task offloading for Maximum Inference Accuracy and Energy
efficient Real-Time IoT Sensing Systems [3.0748861313823]
多次元クナップサック問題の解法として,軽量ハイブリッド遺伝的アルゴリズム(LGSTO)を提案する。
実験の結果,LGSTOは最高速のスキームよりも3倍高速であった。
論文 参考訳（メタデータ） (2024-02-24T18:46:06Z) - Tumoral Angiogenic Optimizer: A new bio-inspired based metaheuristic [5.013833066304755]
腫瘍血管新生過程において発生する血管内皮細胞の形態形成細胞運動に着想を得た新しいメタヒューリスティックを提案する。
提案アルゴリズムは, 実世界の問題 (カンチレバービーム設計, 圧力容器設計, テンション/圧縮ばね, 持続的浮揚可能資源) に適用される。
論文 参考訳（メタデータ） (2023-09-12T03:51:53Z) - FaDIn: Fast Discretized Inference for Hawkes Processes with General
Parametric Kernels [82.53569355337586]
この研究は、有限なサポートを持つ一般パラメトリックカーネルを用いた時間点プロセス推論の効率的な解を提供する。
脳磁図(MEG)により記録された脳信号からの刺激誘発パターンの発生をモデル化し,その有効性を評価する。
その結果,提案手法により,最先端技術よりもパターン遅延の推定精度が向上することが示唆された。
論文 参考訳（メタデータ） (2022-10-10T12:35:02Z) - An Application of a Multivariate Estimation of Distribution Algorithm to
Cancer Chemotherapy [59.40521061783166]
癌に対する化学療法治療は、多数の相互作用する変数と制約を持つ複雑な最適化問題である。
より洗練されたアルゴリズムは、このような複雑な問題に対してより良いパフォーマンスをもたらすことが示される。
我々は、この問題における多数の相互作用によって、より洗練されたアルゴリズムが妨げられていることが原因であると仮定する。
論文 参考訳（メタデータ） (2022-05-17T15:28:46Z) - Modelling and optimization of nanovector synthesis for applications in
drug delivery systems [0.0]
レビューでは、薬物デリバリーシステムにおけるナノ粒子合成のための人工知能とメタヒューリスティックアルゴリズムの使用に焦点を当てている。
ニューラルネットワークは線形回帰アルゴリズムや応答面法よりもNVs特性のモデル化が優れている。
メタヒューリスティックアルゴリズムでは、ベンチマーク関数はカッコウ探索、ホタルアルゴリズム、遺伝的アルゴリズム、共生生物探索に最適化された。
論文 参考訳（メタデータ） (2021-11-10T20:52:27Z) - Improving RNA Secondary Structure Design using Deep Reinforcement
Learning [69.63971634605797]
本稿では,RNA配列設計に強化学習を適用した新しいベンチマークを提案する。このベンチマークでは,目的関数を配列の二次構造における自由エネルギーとして定義する。
本稿では,これらのアルゴリズムに対して行うアブレーション解析の結果と,バッチ間でのアルゴリズムの性能を示すグラフを示す。
論文 参考訳（メタデータ） (2021-11-05T02:54:06Z) - Brain Image Synthesis with Unsupervised Multivariate Canonical
CSC$\ell_4$Net [122.8907826672382]
我々は,新しいCSC$ell_4$Netを用いて,イントレとイントラモーダルの両方にまたがる専用特徴を学習することを提案する。
論文 参考訳（メタデータ） (2021-03-22T05:19:40Z) - Complexity-based speciation and genotype representation for
neuroevolution [81.21462458089142]
本稿では、進化するネットワークを隠されたニューロンの数に基づいて種に分類する神経進化の種分化原理を提案する。
提案された種分化原理は、種および生態系全体における多様性の促進と保存を目的として設計されたいくつかの技術で採用されている。
論文 参考訳（メタデータ） (2020-10-11T06:26:56Z) - AdaLead: A simple and robust adaptive greedy search algorithm for
sequence design [55.41644538483948]
我々は、容易で、拡張性があり、堅牢な進化的欲求アルゴリズム(AdaLead)を開発した。
AdaLeadは、様々な生物学的に動機づけられたシーケンスデザインの課題において、アートアプローチのより複雑な状態を克服する、驚くほど強力なベンチマークである。
論文 参考訳（メタデータ） (2020-10-05T16:40:38Z) - Devolutionary genetic algorithms with application to the minimum
labeling Steiner tree problem [0.0]
本稿では、進化的遺伝的アルゴリズムを特徴付けるとともに、最小ラベル付けスタイナーツリー(MLST)問題を解く際の性能を評価する。
我々は、進化的アルゴリズムを、時間とともに超最適で実現不可能な解の集団を進化させることによって実現可能な解に到達する過程として定義する。
我々は, 交叉, 突然変異, 適合性などの古典的進化的概念が, 最適解, 最適解に到達するためにどのように適応できるかを示す。
論文 参考訳（メタデータ） (2020-04-18T13:27:28Z) - Utilizing Differential Evolution into optimizing targeted cancer
treatments [0.0]
微分進化の研究は、実数値問題におけるこの手法の多様性の高効率化によって動機づけられた。
The basic DE algorithm, "DE/rand/1" was used to optimization thesimulated design of a target drug delivery system for tumor treatment on PhysiCell simulator。
論文 参考訳（メタデータ） (2020-03-21T10:20:43Z)
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。