論文の概要: Learning Anisotropic Interaction Rules from Individual Trajectories in a
Heterogeneous Cellular Population
- arxiv url: http://arxiv.org/abs/2204.14141v1
- Date: Fri, 29 Apr 2022 15:00:21 GMT
- ステータス: 処理完了
- システム内更新日: 2022-05-02 20:27:40.182855
- Title: Learning Anisotropic Interaction Rules from Individual Trajectories in a
Heterogeneous Cellular Population
- Title（参考訳）: 不均一細胞集団における個々の軌道からの異方性相互作用規則の学習
- Authors: Daniel A. Messenger (1) and Graycen E. Wheeler (2) and Xuedong Liu (2)
and David M. Bortz (1) ((1) Department of Applied Mathematics, University of
Colorado, Boulder, CO 80309-0526, (2) Department of Biochemistry, University
of Colorado, Boulder, CO 80309-0596)
- Abstract要約: 細胞群集の運動をモデル化するための第2次IPSのためのWSINDyを開発する。
本手法は,異種細胞集団の動態を規定する相互作用規則を学習する。
本研究では, 一般的な細胞移動実験を動機とした, いくつかのテストシナリオにおいて, 提案手法の有効性と性能を実証する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Interacting particle system (IPS) models have proven to be highly successful
for describing the spatial movement of organisms. However, it has proven
challenging to infer the interaction rules directly from data. In the field of
equation discovery, the Weak form Sparse Identification of Nonlinear Dynamics
(WSINDy) methodology has been shown to be very computationally efficient for
identifying the governing equations of complex systems, even in the presence of
substantial noise. Motivated by the success of IPS models to describe the
spatial movement of organisms, we develop WSINDy for second order IPSs to model
the movement of communities of cells. Specifically, our approach learns the
directional interaction rules that govern the dynamics of a heterogeneous
population of migrating cells. Rather than aggregating cellular trajectory data
into a single best-fit model, we learn the models for each individual cell.
These models can then be efficiently classified according to the active classes
of interactions present in the model. From these classifications, aggregated
models are constructed hierarchically to simultaneously identify different
species of cells present in the population and determine best-fit models for
each species. We demonstrate the efficiency and proficiency of the method on
several test scenarios, motivated by common cell migration experiments.
- Abstract（参考訳）: 相互作用粒子系(IPS)モデルは、生物の空間移動を記述することに成功している。
しかし、データから直接相互作用規則を推測することは困難であることが証明されている。
方程式発見の分野では、非線形ダイナミクスのスパース同定法(WSINDy)は、大きなノイズがある場合でも複雑なシステムの支配方程式を特定するのに非常に計算的に効率的であることが示されている。
生物の空間移動を記述するためのIPSモデルの成功により,細胞群集の運動をモデル化する第2次IPSのためのWSINDyを開発した。
具体的には、移動細胞の異種集団の動態を規定する方向的相互作用規則を学習する。
細胞軌道データを一つの最適モデルに集約するのではなく、各セルのモデルを学ぶ。
これらのモデルは、モデルに存在する相互作用のアクティブクラスに従って効率的に分類することができる。
これらの分類から、凝集モデルは階層的に構成され、集団に存在する異なる種類の細胞を同時に同定し、各種に最適なモデルを決定する。
本研究は, 細胞移動実験に動機づけられた複数の実験シナリオにおいて, 方法の効率性と熟練性を示す。
関連論文リスト
- Omics-driven hybrid dynamic modeling of bioprocesses with uncertainty estimation [0.0]
この研究は、機械学習ツールを統合するオミクス駆動モデリングパイプラインを提示している。
ランダムフォレストと置換特徴の重要性は、オミクスデータセットをマイニングするために提案されている。
連続的かつ微分可能な機械学習関数は、減ったオミクス機能を動的モデルのキーコンポーネントにリンクするように訓練することができる。
論文 参考訳（メタデータ） (2024-10-24T15:50:35Z) - 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) - Integrating GNN and Neural ODEs for Estimating Two-Body Interactions in Mixed-Species Collective Motion [0.0]
本稿では,観測軌道から基礎となる運動方程式を推定するための新しいディープラーニングフレームワークを提案する。
本フレームワークは,グラフニューラルネットワークとニューラルディファレンシャル方程式を統合し,二体相互作用の効果的な予測を可能にする。
論文 参考訳（メタデータ） (2024-05-26T09:47:17Z) - Synthetic location trajectory generation using categorical diffusion
models [50.809683239937584]
拡散モデル(DPM)は急速に進化し、合成データのシミュレーションにおける主要な生成モデルの一つとなっている。
本稿では,個人が訪れた物理的位置を表す変数列である合成個別位置軌跡(ILT)の生成にDPMを用いることを提案する。
論文 参考訳（メタデータ） (2024-02-19T15:57:39Z) - Correlational Lagrangian Schr\"odinger Bridge: Learning Dynamics with
Population-Level Regularization [27.855576268065857]
相関型Lagrangian Schr"odinger Bridge (CLSB) と呼ばれる新しいフレームワークを紹介する。
CLSBは、最小人口の「コスト」のために正規化しながら、クロステキスト観察における進化の「ブリッジング」を求める
本研究の貢献は,(1)多変量関係における時間的変動を捉えた新しい集団正規化器群,(3)遺伝的共発現安定性に基づく3つのドメインインフォームドインスタンス化である。
論文 参考訳（メタデータ） (2024-02-04T19:33:44Z) - Mixed Models with Multiple Instance Learning [51.440557223100164]
一般化線形混合モデル(GLMM)とMultiple Instance Learning(MIL)を統合するフレームワークであるMixMILを紹介する。
実験結果から,MixMILは単一セルデータセットにおいて既存のMILモデルより優れていることがわかった。
論文 参考訳（メタデータ） (2023-11-04T16:42:42Z) - Data-Driven Model Selections of Second-Order Particle Dynamics via
Integrating Gaussian Processes with Low-Dimensional Interacting Structures [0.9821874476902972]
我々は、一般の2階粒子モデルにおけるデータ駆動的な発見に焦点を当てる。
本稿では、2つの実世界の魚の動きデータセットのモデリングへの応用について述べる。
論文 参考訳（メタデータ） (2023-11-01T23:45:15Z) - Capturing Actionable Dynamics with Structured Latent Ordinary
Differential Equations [68.62843292346813]
本稿では,その潜在表現内でのシステム入力の変動をキャプチャする構造付き潜在ODEモデルを提案する。
静的変数仕様に基づいて,本モデルではシステムへの入力毎の変動要因を学習し,潜在空間におけるシステム入力の影響を分離する。
論文 参考訳（メタデータ） (2022-02-25T20:00:56Z) - GEM: Group Enhanced Model for Learning Dynamical Control Systems [78.56159072162103]
サンプルベースの学習が可能な効果的なダイナミクスモデルを構築します。
リー代数ベクトル空間上のダイナミクスの学習は、直接状態遷移モデルを学ぶよりも効果的であることを示す。
この研究は、ダイナミクスの学習とリー群の性質の関連性を明らかにし、新たな研究の方向への扉を開く。
論文 参考訳（メタデータ） (2021-04-07T01:08:18Z) - Modeling Shared Responses in Neuroimaging Studies through MultiView ICA [94.31804763196116]
被験者の大規模なコホートを含むグループ研究は、脳機能組織に関する一般的な結論を引き出す上で重要である。
グループ研究のための新しい多視点独立成分分析モデルを提案し、各被験者のデータを共有独立音源と雑音の線形結合としてモデル化する。
まず、fMRIデータを用いて、被験者間の共通音源の同定における感度の向上を示す。
論文 参考訳（メタデータ） (2020-06-11T17:29:53Z)
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。