論文の概要: A synthetic biology approach for the design of genetic algorithms with bacterial agents

• arxiv url: http://arxiv.org/abs/2101.07540v1
• Date: Tue, 19 Jan 2021 09:59:33 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-14 18:11:37.015295
• Title: A synthetic biology approach for the design of genetic algorithms with bacterial agents
• Title（参考訳）: 細菌剤を用いた遺伝的アルゴリズム設計のための合成生物学的アプローチ
• Authors: A. Gargantilla Becerra, M. Guti\'errez, R. Lahoz-Beltra
• Abstract要約: 合成細菌によって全てのステップが実行される進化的アルゴリズムの設計の斬新さとして紹介する。 結果は、合成生物学の原理、メカニズム、遺伝回路から着想を得た進化的アルゴリズムの可能性が開かれた。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Bacteria have been a source of inspiration for the design of evolutionary algorithms. At the beginning of the 20th century synthetic biology was born, a discipline whose goal is the design of biological systems that do not exist in nature, for example, programmable synthetic bacteria. In this paper, we introduce as a novelty the designing of evolutionary algorithms where all the steps are conducted by synthetic bacteria. To this end, we designed a genetic algorithm, which we have named BAGA, illustrating its utility solving simple instances of optimization problems such as function optimization, 0/1 knapsack problem, Hamiltonian path problem. The results obtained open the possibility of conceiving evolutionary algorithms inspired by principles, mechanisms and genetic circuits from synthetic biology. In summary, we can conclude that synthetic biology is a source of inspiration either for the design of evolutionary algorithms or for some of their steps, as shown by the results obtained in our simulation experiments.
• Abstract（参考訳）: 細菌は進化的アルゴリズムの設計にインスピレーションを与えてきた。 20世紀初頭に合成生物学が生まれたが、その目的は自然界には存在せず、例えばプログラマブルな合成細菌をデザインすることであった。 本稿では,すべてのステップが合成細菌によって実行される進化的アルゴリズムの設計の斬新さとして紹介する。 そこで我々は,関数最適化や0/1knapsack問題,ハミルトン経路問題といった単純な最適化問題を解くために,BAGAと命名した遺伝的アルゴリズムを考案した。 その結果, 合成生物学の原理, 機構, 遺伝的回路に触発された進化的アルゴリズムの可能性が明らかにされた。 結論として, 合成生物学は, 進化的アルゴリズムの設計や, シミュレーション実験の結果から得られたいくつかのステップのインスピレーションの源であると結論付けることができる。

関連論文リスト

• Evolutionary Algorithms Simulating Molecular Evolution: A New Field Proposal [0.0716879432974126]
  近年のゲノムシークエンシングの進歩により、タンパク質ファミリーの多様性が明らかにされているが、全てのアミノ酸配列の膨大な検索空間と比較して、既知の機能ファミリーのセットは最小限である。 自然には限定的なタンパク質「語彙」があると言えるかもしれない 進化的アルゴリズム、機械学習(ML)、バイオインフォマティクスを組み合わせることで、これまで存在しなかった全く新しいタンパク質の開発を促進することができる。
  論文  参考訳（メタデータ） (2024-02-01T19:22:02Z)
• 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)
• 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)
• A Neuro-mimetic Realization of the Common Model of Cognition via Hebbian Learning and Free Energy Minimization [55.11642177631929]
  大規模なニューラル生成モデルは、意味的に豊富なテキストのパスを合成したり、複雑な画像を生成することができる。 我々はコモン・モデル・オブ・コグニティブ・ニューラル・ジェネレーティブ・システムについて論じる。
  論文  参考訳（メタデータ） (2023-10-14T23:28:48Z)
• Phylogeny-informed fitness estimation [58.720142291102135]
  本研究では, 住民の健康評価を推定するために, フィロジェニーを利用した適合度推定手法を提案する。 以上の結果から, 植物性インフォームドフィットネス推定は, ダウンサンプドレキシケースの欠点を軽減することが示唆された。 この研究は、ランタイム系統解析を利用して進化アルゴリズムを改善するための最初のステップとなる。
  論文  参考訳（メタデータ） (2023-06-06T19:05:01Z)
• Towards Large-Scale Simulations of Open-Ended Evolution in Continuous Cellular Automata [0.0]
  並列計算フレームワーク JAX を用いた大規模進化シミュレーションを構築した。 遺伝子操作子を暗黙的に実装するなど、システム設計の選択肢を多数報告する。 オープンエンド進化を促進する要因をいくつか提案する。
  論文  参考訳（メタデータ） (2023-04-12T06:40:11Z)
• An Optimal Likelihood Free Method for Biological Model Selection [0.0]
  システム生物学は、固有の生物学的複雑性を減らすために、生物学的システムの数学モデルを作成しようとしている。 本稿では, システム生物学の数学的モデルを用いた自動生物モデル選択アルゴリズムと, 可能性自由推論手法を提案する。
  論文  参考訳（メタデータ） (2022-08-03T21:05:20Z)
• 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)
• Epigenetic opportunities for Evolutionary Computation [0.0]
  進化計算(Evolutionary Computation)は、複雑な最適化問題を解くために用いられる生物学的にインスパイアされたアルゴリズムのグループである。 遺伝的遺伝からインスピレーションを得る進化的アルゴリズムと、文化的遺伝からインスピレーションを得るSwarm Intelligenceアルゴリズムに分けることができる。 本稿では, 進化的拡張合成に基づく生物学的枠組みの下で, バイオインスパイアされたアルゴリズムを成功裏に分解する。
  論文  参考訳（メタデータ） (2021-08-10T09:44:53Z)
• Emergence of Self-Reproducing Metabolisms as Recursive Algorithms in an Artificial Chemistry [0.0]
  自己再生代謝の出現に必要な重要な性質は、チューリング完全反応の自己触媒的サブセットの存在である。 タトゥーラ・ラサ状態から始まるこの化学反応は、外部介入なしで、幅広い創発的な構造を発見している。
  論文  参考訳（メタデータ） (2021-03-15T09:55:43Z)
• 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)

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。