論文の概要: Evolutionary computational platform for the automatic discovery of
nanocarriers for cancer treatment
- arxiv url: http://arxiv.org/abs/2102.00879v1
- Date: Mon, 1 Feb 2021 14:38:14 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-13 02:54:55.816752
- Title: Evolutionary computational platform for the automatic discovery of
nanocarriers for cancer treatment
- Title(参考訳): 癌治療用ナノキャリアの自動発見のための進化計算プラットフォーム
- Authors: Namid Stillman, Igor Balaz, Antisthenis Tsompanas, Marina Kovacevic,
Sepinoud Azimi, Sebastien Lafond, Andrew Adamatzky, Sabine Hauert
- Abstract要約: EVONANOには腫瘍を成長させ、代表的なシナリオを抽出し、ナノ粒子輸送をシミュレートするシミュレータが含まれている。
ナノ粒子は機械学習を用いて最適化され、最も効果的な抗がん治療を効率的に見つける。
- 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: We present the EVONANO platform for the evolution of nanomedicines with
application to anti-cancer treatments. EVONANO includes a simulator to grow
tumours, extract representative scenarios, and then simulate nanoparticle
transport through these scenarios to predict nanoparticle distribution. The
nanoparticle designs are optimised using machine learning to efficiently find
the most effective anti-cancer treatments. We demonstrate our platform with two
examples optimising the properties of nanoparticles and treatment to
selectively kill cancer cells over a range of tumour environments.
- Abstract(参考訳): ナノメディシンの進化のためのEVONANOプラットフォームと抗がん剤への応用について述べる。
EVONANOは腫瘍を成長させ、代表シナリオを抽出し、これらのシナリオを通してナノ粒子輸送をシミュレートし、ナノ粒子分布を予測するシミュレータを含む。
ナノ粒子の設計は機械学習を用いて最適化され、最も効果的な抗がん治療を効率的に見つける。
我々は,ナノ粒子の性質を最適化する2つの例と,がん細胞を腫瘍環境下で選択的に殺傷する治療法を実演した。
関連論文リスト
- Dual-Space Optimization: Improved Molecule Sequence Design by Latent
Prompt Transformer [78.47949363282868]
本稿では,遅延空間サンプリングとデータ空間選択を統合したDual-Space Optimization (DSO)法を提案する。
DSOは、生成モデルと合成データを所望のプロパティ値の領域にシフトさせる最適化プロセスにおいて、潜在空間生成モデルと合成データセットを反復的に更新する。
提案手法の有効性を実証し, 単一目的, 多目的, 制約された分子設計タスクにまたがる新しい性能ベンチマークを設定した。
論文 参考訳(メタデータ) (2024-02-27T03:33:23Z) - Plasma Surrogate Modelling using Fourier Neural Operators [58.707182482773035]
深層学習に基づく代理モデルツールviz., Neural Operators (FNO) を用いたプラズマ進化の正確な予測を実証する。
我々は、FNOが磁気流体力学モデルからシミュレーションされたプラズマ力学を予測する際に、従来の解法よりも6桁の速度を持つことを示した。
FNOは、MASTトカマク内のカメラで実世界の実験データからプラズマの進化を予測することもできる。
論文 参考訳(メタデータ) (2023-11-10T10:05:00Z) - Generating counterfactual explanations of tumor spatial proteomes to
discover effective strategies for enhancing immune infiltration [44.99833362998488]
腫瘍微小環境(TME)は免疫組成により癌予後に大きな影響を及ぼす。
本稿では,T細胞浸潤予測を自己教師型機械学習問題として定式化する。
悪性黒色腫,大腸癌肝転移,乳癌データに枠組みを応用し,T細胞浸潤が予測される摂動を発見した。
論文 参考訳(メタデータ) (2022-11-08T05:46:02Z) - Translational Quantum Machine Intelligence for Modeling Tumor Dynamics
in Oncology [18.069876260017605]
量子マシンインテリジェンス(Quantum Machine Intelligence)は、量子力学の観点からの腫瘍力学の非並列的な洞察を提供する。
本稿では,治療効果に関する腫瘍負担の量子力学を定量化する,$eta-$Netという新しいハイブリッド量子古典型ニューラルネットワークを提案する。
論文 参考訳(メタデータ) (2022-02-21T08:46:58Z) - Using Genetic Programming to Predict and Optimize Protein Function [65.25258357832584]
我々は,進化的手法に基づく遺伝的プログラミングツールPOETを提案し,方向性進化におけるスクリーニングと変異原性を高める。
概念実証として, 化学交換飽和移動機構によって検出されたMRIコントラストを生成するペプチドを用いる。
以上の結果から,POETのような計算モデリングツールは,従来よりも400%優れた機能性を持つペプチドを見つけるのに有効であることが示唆された。
論文 参考訳(メタデータ) (2022-02-08T18:08:08Z) - Molecular spin qudits for quantum simulation of light-matter
interactions [62.223544431366896]
分子スピンキューディットは、物質と強く相互作用する光子場の量子力学をシミュレートする理想的なプラットフォームを提供する。
提案した分子量子シミュレータの基本単位は、マイクロ波パルスのみで制御されるスピン1/2とスピン$S$遷移金属イオンの単純な二量体で実現できる。
論文 参考訳(メタデータ) (2021-03-17T15:03:12Z) - GANDA: A deep generative adversarial network predicts the spatial
distribution of nanoparticles in tumor pixelly [0.0]
腫瘍内ナノ粒子(NPs)の分布は診断および治療効果に重要である。
GANDA(Generative Adversarial Network for Distribution Analysis)は、腫瘍全体におけるNPs分布のピクセル間予測を行うためのネットワークである。
論文 参考訳(メタデータ) (2020-12-23T09:47:07Z) - Evolving Nano Particle Cancer Treatments with Multiple Particle Types [0.0]
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。
論文 参考訳(メタデータ) (2020-11-10T08:46:30Z) - Accelerating Antimicrobial Discovery with Controllable Deep Generative
Models and Molecular Dynamics [109.70543391923344]
CLaSS(Controlled Latent attribute Space Smpling)は、分子の属性制御のための効率的な計算手法である。
深層学習分類器と原子論シミュレーションから得られた新しい特徴を併用して, 生成分子を付加的なキー属性としてスクリーニングする。
提案手法は, 強い広帯域能を有する非毒性抗菌性ペプチド(AMP)を設計するためのものである。
論文 参考訳(メタデータ) (2020-05-22T15:57:58Z) - 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。