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
- Tertiary Lymphoid Structures Generation through Graph-based Diffusion [54.37503714313661]
本研究では,最先端のグラフベース拡散モデルを用いて生物学的に意味のある細胞グラフを生成する。
本研究では, グラフ拡散モデルを用いて, 3次リンパ構造(TLS)の分布を正確に学習できることを示す。
論文 参考訳(メタデータ) (2023-10-10T14:37:17Z) - 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) - Modeling Molecular Structures with Intrinsic Diffusion Models [2.487445341407889]
本論文は本質的拡散モデリングを提案する。
拡散生成モデルと生物学的複合体の柔軟性に関する科学的知識を組み合わせる。
計算化学と生物学に基づく2つの基本的な課題に対して,本手法の有効性を実証する。
論文 参考訳(メタデータ) (2023-02-23T03:26:48Z) - 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) - A Survey on Generative Diffusion Model [75.93774014861978]
拡散モデルは、深層生成モデルの新たなクラスである。
時間を要する反復生成過程や高次元ユークリッド空間への閉じ込めなど、いくつかの制限がある。
本調査では,拡散モデルの向上を目的とした高度な手法を多数提示する。
論文 参考訳(メタデータ) (2022-09-06T16:56:21Z) - 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) - Extending Models Via Gradient Boosting: An Application to Mendelian
Models [1.9573380763700712]
グラデーションブーストと開発前のモデルを組み合わせてモデル性能を向上させるという、モデル改善の一般的なアプローチを提案します。
既存のメンデルモデルとの勾配ブースティングの統合は、勾配ブースティングだけで構築されたモデルとモデルの両方を上回る改良モデルを生成することができる。
論文 参考訳(メタデータ) (2021-05-13T21:21:05Z) - 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。