論文の概要: Towards Scalable Modeling of Biology in Event-B
- arxiv url: http://arxiv.org/abs/2105.10344v1
- Date: Thu, 20 May 2021 13:37:06 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-29 19:25:23.402225
- Title: Towards Scalable Modeling of Biology in Event-B
- Title（参考訳）: イベントBにおける生物学のスケーラブルなモデリングに向けて
- Authors: Usman Sanwal, Thai Son Hoang, Luigia Petre and Ion Petre
- Abstract要約: 本研究では, 改良を主成分とするステートベース形式手法であるEvent-Bに基づく新しい手法を提案する。
私たちは、ErbBシグナル伝達経路を記述した、これまでに構築されたEvent-Bモデルの中で最大のものを示しています。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Biology offers many examples of large-scale, complex, concurrent systems:
many processes take place in parallel, compete on resources and influence each
other's behavior. The scalable modeling of biological systems continues to be a
very active field of research. In this paper we introduce a new approach based
on Event-B, a state-based formal method with refinement as its central
ingredient, allowing us to check for model consistency step-by-step in an
automated way. Our approach based on functions leads to an elegant and concise
modeling method. We demonstrate this approach by constructing what is, to our
knowledge, the largest ever built Event-B model, describing the ErbB signaling
pathway, a key evolutionary pathway with a significant role in development and
in many types of cancer. The Event-B model for the ErbB pathway describes 1320
molecular reactions through 242 events.
- Abstract（参考訳）: 生物学は、大規模で複雑な並列システムの多くの例を提供している: 多くのプロセスは並列に行われ、リソースを競い合い、互いの振る舞いに影響を与える。
生物学的システムのスケーラブルなモデリングは非常に活発な研究分野である。
本稿では,改良を主成分とするステートベースの形式的手法であるEvent-Bに基づく新しい手法を提案する。
関数に基づくアプローチは,エレガントで簡潔なモデリング手法をもたらす。
本稿では,ErbBシグナル伝達経路を記述した,これまでに構築された最大のEvent-Bモデルを構築することで,このアプローチを実証する。
ErbB経路のEvent-Bモデルは242のイベントを通して1320の分子反応を記述する。
関連論文リスト
- BSM: Small but Powerful Biological Sequence Model for Genes and Proteins [6.6055625629542085]
小型ながら強力な混合モード生物配列基盤モデルであるBSMを導入する。
RefSeq、Gene Related Sequences、およびWebから生物学的シークエンスをインターリーブした3種類のデータに基づいてトレーニングされている。
学習効率とクロスモーダル表現を著しく向上させ、非モーダルデータにのみ訓練されたモデルよりも優れています。
論文 参考訳（メタデータ） (2024-10-15T11:12:28Z) - Cognitive Evolutionary Learning to Select Feature Interactions for Recommender Systems [59.117526206317116]
Cellはさまざまなタスクやデータに対して,さまざまなモデルに適応的に進化可能であることを示す。
4つの実世界のデータセットの実験では、細胞は最先端のベースラインを大幅に上回っている。
論文 参考訳（メタデータ） (2024-05-29T02:35:23Z) - Nested Inheritance Dynamics [0.5801621787540265]
ネストしたディリクレプロセス(nDP)をマルチスケールモデルに拡張し、生物学的プロセスが継承され、安定し、世代にわたって修正されるメカニズムの理解を支援する。
NIDAは、その一次レベルでは、個々の生物の寿命内に展開する全ての過程を包含する。二次レベルは、これらの過程が経時的に進化するか、安定するかを示す。
論文 参考訳（メタデータ） (2024-04-23T23:10:08Z) - MS-MANO: Enabling Hand Pose Tracking with Biomechanical Constraints [50.61346764110482]
筋骨格系と学習可能なパラメトリックハンドモデルMANOを統合し,MS-MANOを作成する。
このモデルは骨格系を駆動する筋肉と腱の力学をエミュレートし、結果として生じるトルク軌跡に生理学的に現実的な制約を与える。
また,マルチ層パーセプトロンネットワークによる初期推定ポーズを改良する,ループ式ポーズ改善フレームワークBioPRを提案する。
論文 参考訳（メタデータ） (2024-04-16T02:18:18Z) - Bridging the Gap between Chemical Reaction Pretraining and Conditional
Molecule Generation with a Unified Model [3.3031562864527664]
反応表現学習と分子生成の両課題に対処する統合フレームワークを提案する。
有機化学機構にインスパイアされた我々は,モデルに誘導バイアスを組み込むことのできる,新しい事前学習フレームワークを開発した。
我々のフレームワークは、ダウンストリームタスクに挑戦する上で、最先端の結果を達成する。
論文 参考訳（メタデータ） (2023-03-13T10:06:41Z) - Bidirectional Generation of Structure and Properties Through a Single
Molecular Foundation Model [44.60174246341653]
本稿では, 構造と生化学的性質を組み込んだ, 新規なマルチモーダル分子事前学習モデルを提案する。
提案するデータハンドリングおよびトレーニング目的のモデルパイプラインは、共通埋め込み空間における構造/プロパティの特徴を整合させる。
これらのコントリビューションは相乗的知識を生み出し、単一のモデルでマルチモーダルと非モーダルの両方の下流タスクに取り組むことができる。
論文 参考訳（メタデータ） (2022-11-19T05:16:08Z) - UNet-2022: Exploring Dynamics in Non-isomorphic Architecture [52.04899592688968]
単純並列化による自己意図と畳み込みの利点を生かした並列非同型ブロックを提案する。
得られたU字型セグメンテーションモデルをUNet-2022と呼ぶ。
実験では、UNet-2022は明らかにレンジセグメンテーションタスクにおいてその性能を上回っている。
論文 参考訳（メタデータ） (2022-10-27T16:00:04Z) - Extending Process Discovery with Model Complexity Optimization and
Cyclic States Identification: Application to Healthcare Processes [62.997667081978825]
モデル最適化のための半自動支援を実現するプロセスマイニング手法を提案する。
所望の粒度で生モデルを抽象化するモデル単純化手法が提案されている。
医療分野の異なるアプリケーションから得られた3つのデータセットを用いて、技術的ソリューションの能力を実証することを目的としている。
論文 参考訳（メタデータ） (2022-06-10T16:20:59Z) - Learning Neural Generative Dynamics for Molecular Conformation
Generation [89.03173504444415]
分子グラフから分子コンフォメーション(つまり3d構造)を生成する方法を検討した。
分子グラフから有効かつ多様なコンフォーメーションを生成する新しい確率論的枠組みを提案する。
論文 参考訳（メタデータ） (2021-02-20T03:17:58Z) - A Comprehensive Study on Temporal Modeling for Online Action Detection [50.558313106389335]
オンライン行動検出(OAD)は実用的だが難しい課題であり、近年注目を集めている。
本稿では,4種類の時間的モデリング手法を含むOADの時間的モデリングに関する総合的研究を提案する。
本稿では,THUMOS-14 と TVSeries に対して,近年の最先端手法よりも大きなマージンを有するハイブリッド時間モデルを提案する。
論文 参考訳（メタデータ） (2020-01-21T13:12:58Z)
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。
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。