論文の概要: Modelling SARS-CoV-2 coevolution with genetic algorithms
- arxiv url: http://arxiv.org/abs/2102.12365v1
- Date: Wed, 24 Feb 2021 15:49:20 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-10 00:56:19.616111
- Title: Modelling SARS-CoV-2 coevolution with genetic algorithms
- Title（参考訳）: sars-cov-2のモデル化と遺伝的アルゴリズム
- Authors: Aymeric Vie
- Abstract要約: SARS-CoV-2の流行はウイルス変異の出現に反応した。
遺伝的アルゴリズム(GA)との共進化を,この関係をモデル化するための信頼性の高いアプローチとして提案する。
本稿では,ウイルスの生存と感染率の最小化を目的とした対策を両立させる二重GAモデルを提案する。
- 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: At the end of 2020, policy responses to the SARS-CoV-2 outbreak have been
shaken by the emergence of virus variants, impacting public health and policy
measures worldwide. The emergence of these strains suspected to be more
contagious, more severe, or even resistant to antibodies and vaccines, seem to
have taken by surprise health services and policymakers, struggling to adapt to
the new variants constraints. Anticipating the emergence of these mutations to
plan ahead adequate policies, and understanding how human behaviors may affect
the evolution of viruses by coevolution, are key challenges. In this article,
we propose coevolution with genetic algorithms (GAs) as a credible approach to
model this relationship, highlighting its implications, potential and
challenges. Because of their qualities of exploration of large spaces of
possible solutions, capacity to generate novelty, and natural genetic focus,
GAs are relevant for this issue. We present a dual GA model in which both
viruses aiming for survival and policy measures aiming at minimising infection
rates in the population, competitively evolve. This artificial coevolution
system may offer us a laboratory to "debug" our current policy measures,
identify the weaknesses of our current strategies, and anticipate the evolution
of the virus to plan ahead relevant policies. It also constitutes a decisive
opportunity to develop new genetic algorithms capable of simulating much more
complex objects. We highlight some structural innovations for GAs for that
virus evolution context that may carry promising developments in evolutionary
computation, artificial life and AI.
- Abstract（参考訳）: 2020年末に、SARS-CoV-2の流行に対する政策対応は、世界中の公衆衛生や政策に影響を及ぼすウイルスの出現によって揺るがされている。
これらの株の出現は、より伝染性、より重篤、さらには抗体やワクチンに対する抵抗性が疑われており、驚きの健康サービスや政策立案者によって取られ、新しい変異株の制約への適応に苦しんだようである。
これらの変異の出現を予測して適切な政策を立案し、ヒトの行動が共進化によるウイルスの進化にどのように影響するかを理解することが重要な課題である。
本稿では、この関係をモデル化するための信頼性の高いアプローチとして、遺伝的アルゴリズム(GA)との共進化を提案する。
可能なソリューションの広い空間を探索する性質、新規性を生み出す能力、そして自然遺伝的な焦点を持つため、GAはこの問題に関係している。
本稿では,生存を目指すウイルスと,人口の感染率を最小化する政策を両立させた2つのgaモデルを提案する。
この人工的共進化システムは、現在の政策対策を「デバッグ」し、現在の戦略の弱点を特定し、ウイルスの進化を予測し、関連する政策を計画する実験室を提供するかもしれない。
さらに、より複雑な物体をシミュレートできる新しい遺伝的アルゴリズムを開発する決定的な機会でもある。
我々は、進化計算、人工生命、AIにおいて有望な発展をもたらす可能性のある、ウイルス進化の文脈におけるGAの構造的革新を強調します。
関連論文リスト
- Opponent Shaping for Antibody Development [49.26728828005039]
抗ウイルス療法は通常、ウイルスの現在の株のみを標的とするように設計されている。
治療によって誘導される選択的圧力はウイルスに作用し、変異株の出現を誘導し、初期治療が効果を低下させる。
我々は、ウイルスの進化的脱出の遺伝的シミュレーションを実装するために、抗体とウイルス抗原の結合の計算モデルを構築した。
論文 参考訳（メタデータ） (2024-09-16T14:56:27Z) - Agent Alignment in Evolving Social Norms [65.45423591744434]
本稿では,エージェント進化とアライメントのための進化的フレームワークであるEvolutionaryAgentを提案する。
社会規範が継続的に進化する環境では、エージェントは現在の社会規範に適応し、生存と増殖の確率が高くなる。
進化的エージェントは、一般的なタスクにおいてその能力を維持しながら、進化する社会規範と徐々に整合できることを示す。
論文 参考訳（メタデータ） (2024-01-09T15:44:44Z) - 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) - Anti-virus Autobots: Predicting More Infectious Virus Variants for
Pandemic Prevention through Deep Learning [0.0]
より感染性のウイルスの変異は、そのタンパク質の急激な突然変異によって生じる可能性がある。
これらの変異体は免疫系を回避し、ワクチンの効果を低下させる。
提案するOptimus PPImeは、既存のウイルスの今後、より感染的な変異を予測するためのディープラーニングアプローチである。
論文 参考訳（メタデータ） (2022-05-30T05:04:40Z) - PhyloTransformer: A Discriminative Model for Mutation Prediction Based
on a Multi-head Self-attention Mechanism [10.468453827172477]
重症急性呼吸器症候群ウイルス2(SARS-CoV-2)は10/19/21で219万人が感染し、死亡率は3.6%となっている。
そこで我々は,トランスフォーマーを用いた識別モデルであるPhylo Transformerを開発した。
論文 参考訳（メタデータ） (2021-11-03T01:30:57Z) - Effective and scalable clustering of SARS-CoV-2 sequences [0.41998444721319206]
SARS-CoV-2は進化過程に従って変異し続けている。
GISAIDなどの公開データベースで現在利用可能なSARS-CoV-2のシーケンス数は数百万である。
本稿では,現在のSARS-CoV-2変種をクラスタリングシーケンスに基づいて同定する手法を提案する。
論文 参考訳（メタデータ） (2021-08-18T13:32:43Z) - A k-mer Based Approach for SARS-CoV-2 Variant Identification [55.78588835407174]
アミノ酸の順序を保つことで,分類器の精度が向上することを示す。
また,アメリカ疾病予防管理センター(CDC)が報告した,変異の同定に重要な役割を担っているアミノ酸の重要性も示した。
論文 参考訳（メタデータ） (2021-08-07T15:08:15Z) - Epigenetic evolution of deep convolutional models [81.21462458089142]
我々は、より深い畳み込みモデルを進化させるために、これまで提案されていた神経進化の枠組みを構築した。
異なる形状と大きさのカーネルを同一層内に共存させる畳み込み層配置を提案する。
提案したレイアウトにより、畳み込み層内の個々のカーネルのサイズと形状を、対応する新しい突然変異演算子で進化させることができる。
論文 参考訳（メタデータ） (2021-04-12T12:45:16Z) - MutaGAN: A Seq2seq GAN Framework to Predict Mutations of Evolving
Protein Populations [0.0]
このディープラーニングフレームワークの理想的なテストケースとしてインフルエンザウイルス配列が同定された。
MutaGANは、中央のレベンシュテイン距離が2.00アミノ酸である与えられた「親」タンパク質配列から「子」配列を生成した。
結果は, 病原体予測を補助する MutaGAN フレームワークの能力が, タンパク質集団の進化予測に広く有用であることを示すものである。
論文 参考訳（メタデータ） (2020-08-26T20:20:30Z) - A Deep Q-learning/genetic Algorithms Based Novel Methodology For
Optimizing Covid-19 Pandemic Government Actions [63.669642197519934]
我々はSEIR疫学モデルを用いて、人口の時間とともにウイルスウイルスの進化を表現している。
報酬システムにより、アクションのシーケンス(統合、自己同化、二メートル距離、制限を取らない)を評価する。
どちらの意味でも、パンデミックの悪影響を抑えるために政府が取るべき行動を発見する上で、我々の方法論が有効な手段であることを実証する。
論文 参考訳（メタデータ） (2020-05-15T17:17:45Z)
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。