Fugu-MT 論文翻訳(概要): Evolutionary computational platform for the automatic discovery of nanocarriers for cancer treatment

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

Simulation of Nanorobots with Artificial Intelligence and Reinforcement Learning for Advanced Cancer Cell Detection and Tracking [0.0]
本研究では,複雑な環境下でのナノロボットナビゲーションを最適化するための新しい強化学習フレームワークを提案する。計算機シミュレーションモデルを用いて,癌細胞と生物学的障壁を有する三次元空間におけるナノロボットの挙動を探索する。提案手法はQラーニングを用いてリアルタイムバイオマーカー濃度データに基づいて運動戦略を洗練し,ナノロボットが標的とする薬物のデリバリーのために癌組織への自律移動を可能にする。
論文参考訳（メタデータ） (2024-11-04T18:16:40Z)
Plasma Surrogate Modelling using Fourier Neural Operators [57.52074029826172]
トカマク炉内のプラズマの進化を予測することは、持続可能な核融合の目標を実現するために不可欠である。深層学習に基づく代理モデルツールviz., Neural Operators (FNO) を用いた進化プラズマ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観測された実世界の実験データに基づいて、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)
Conditional Generative Models for Simulation of EMG During Naturalistic Movements [45.698312905115955]
本稿では、運動単位活性化電位波形を生成するために、逆向きに訓練された条件付き生成ニューラルネットワークを提案する。本研究では,より少ない数の数値モデルの出力を高い精度で予測的に補間できることを実証する。
論文参考訳（メタデータ） (2022-11-03T14:49:02Z)
Developing a Chemical and Structural Understanding of the Surface Oxide in a Niobium Superconducting Qubit [46.6940373636939]
我々はニオブ膜からパターン化したトランスモン試験装置の環境条件で形成される表面酸化物の詳細な評価を行う。構造解析の観点では、Nb$ 1-2$O$_5$領域は自然界において半結晶であることが分かる。アモルファス領域は酸素空孔を含む傾向が強く、ニオブと酸素原子の間の結合が弱いことが観察された。
論文参考訳（メタデータ） (2022-03-16T16:00:57Z)
Translational Quantum Machine Intelligence for Modeling Tumor Dynamics in Oncology [18.069876260017605]
量子マシンインテリジェンス(Quantum Machine Intelligence)は、量子力学の観点からの腫瘍力学の非並列的な洞察を提供する。本稿では,治療効果に関する腫瘍負担の量子力学を定量化する,$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)
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)

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。