Fugu-MT 論文翻訳(概要): Correlation of biological and computer viruses through evolutionary game theory

論文の概要: Correlation of biological and computer viruses through evolutionary game theory

arxiv url: http://arxiv.org/abs/2108.00508v1
Date: Sun, 1 Aug 2021 17:35:54 GMT
ステータス: 処理完了
システム内更新日: 2023-03-20 05:16:44.994220
Title: Correlation of biological and computer viruses through evolutionary game theory
Title（参考訳）: 進化ゲーム理論による生物ウイルスとコンピュータウイルスの相関
Authors: Dimitris Kostadimas, Kalliopi Kastampolidou and Theodore Andronikos
Abstract要約: 進化ゲーム理論は、バイラルな振る舞いをモデル化するための有用なツールとして確立されている。この研究は、よく知られたウイルス、すなわちヴァーロックとバクテリオファージの関連付けを試みる。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Computer viruses have many similarities to biological viruses, and their association may offer new perspectives and new opportunities in the effort to tackle and even eradicate them. Evolutionary game theory has been established as a useful tool for modeling viral behaviors. This work attempts to correlate a well-known virus, namely Virlock, with the bacteriophage $\phi6$. Furthermore, the paper suggests certain efficient strategies and practical ways that may reduce infection by Virlock and similar such viruses.
Abstract（参考訳）: コンピュータウイルスは生物学的ウイルスと多くの類似点があり、それらの関連は新しい視点とそれらに取り組み、根絶する新たな機会を提供するかもしれない。進化ゲーム理論はウイルスの行動をモデル化するための有用なツールとして確立されている。この研究は、有名なウイルス、すなわちVirlockとバクテリオファージ$\phi6$の相関を試みている。さらに本研究は, ウイルス感染を減少させる有効な戦略と実用的な方法を提案する。

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)
Heterogeneous virus classification using a functional deep learning model based on transmission electron microscopy images (Preprint) [2.1346640951813165]
透過電子顕微鏡(TEM)画像の解析は、インスタントウイルスの同定に非常に成功したことが証明されている。本稿では,これらの画像中のウイルスの種類を正確に識別する深層学習に基づく分類モデルを提案する。実験の結果、データセットに存在する14種類のウイルスを97.44%の分類精度とF1スコアで区別できることが示された。
論文参考訳（メタデータ） (2024-05-24T13:52:14Z)
Virus2Vec: Viral Sequence Classification Using Machine Learning [48.40285316053593]
本稿では,バイラル・シークエンスのための特徴ベクトル表現であるVrus2Vecを提案する。コロナウイルス科の実際のスパイク配列と狂犬病ウイルスのシークエンスデータに基づいてウイルス2Vecを実験的に評価し、宿主を予測した。以上の結果から, Virus2Vecはベースラインおよび最先端手法の予測精度よりも優れていた。
論文参考訳（メタデータ） (2023-04-24T08:17:16Z)
Efficient Cavity Searching for Gene Network of Influenza A Virus [8.690486131601075]
インフルエンザAウイルスの遺伝子ネットワークの高次構造(空洞と斜角)は、進化中にウイルス間の密接な関連を明らかにする。本稿では,インフルエンザウイルス遺伝学のための計算可能な複雑なネットワークにおいて,深層学習に基づくハイパーサーチモデルを提案する。
論文参考訳（メタデータ） (2022-11-05T16:24:55Z)
Benchmarking Machine Learning Robustness in Covid-19 Genome Sequence Classification [109.81283748940696]
我々は、IlluminaやPacBioといった一般的なシークエンシングプラットフォームのエラープロファイルを模倣するために、SARS-CoV-2ゲノム配列を摂動する方法をいくつか紹介する。シミュレーションに基づくいくつかのアプローチは、入力シーケンスに対する特定の敵攻撃に対する特定の埋め込み手法に対して、他の手法よりも堅牢(かつ正確)であることを示す。
論文参考訳（メタデータ） (2022-07-18T19:16:56Z)
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)
The Introspective Agent: Interdependence of Strategy, Physiology, and Sensing for Embodied Agents [51.94554095091305]
本論では, 環境の文脈において, 自己能力を考慮した内省的エージェントについて論じる。自然と同じように、私たちは戦略を1つのツールとして再編成して、環境において成功させたいと考えています。
論文参考訳（メタデータ） (2022-01-02T20:14:01Z)
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)

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。