論文の概要: Emerging Patterns in the Continuum Representation of Protein-Lipid
Fingerprints
- arxiv url: http://arxiv.org/abs/2207.04333v1
- Date: Sat, 9 Jul 2022 20:07:49 GMT
- ステータス: 処理完了
- システム内更新日: 2022-07-13 08:54:46.998442
- Title: Emerging Patterns in the Continuum Representation of Protein-Lipid
Fingerprints
- Title(参考訳): タンパク質脂質指紋の連続表現における新たなパターン
- Authors: Konstantia Georgouli, Helgi I Ing\'olfsson, Fikret Aydin, Mark
Heimann, Felice C Lightstone, Peer-Timo Bremer, Harsh Bhatia
- Abstract要約: 分子動力学モデルから1次元統計を用いた連続体モデルの性能評価を行った。
本研究では,連続体モデルから複雑かつ創発的な振る舞いを識別する高度予測型分類モデルを開発する。
提案手法は,タンパク質特異的な「脂質指紋」の存在,すなわち関心のあるタンパク質に対する脂質の空間的再構成の存在を確認する。
- 参考スコア(独自算出の注目度): 12.219106300827798
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Capturing intricate biological phenomena often requires multiscale modeling
where coarse and inexpensive models are developed using limited components of
expensive and high-fidelity models. Here, we consider such a multiscale
framework in the context of cancer biology and address the challenge of
evaluating the descriptive capabilities of a continuum model developed using
1-dimensional statistics from a molecular dynamics model. Using deep learning,
we develop a highly predictive classification model that identifies complex and
emergent behavior from the continuum model. With over 99.9% accuracy
demonstrated for two simulations, our approach confirms the existence of
protein-specific "lipid fingerprints", i.e. spatial rearrangements of lipids in
response to proteins of interest. Through this demonstration, our model also
provides external validation of the continuum model, affirms the value of such
multiscale modeling, and can foster new insights through further analysis of
these fingerprints.
- Abstract(参考訳): 複雑な生物学的現象を捉えるには、しばしば、高価な高忠実度モデルの限られたコンポーネントを用いて粗大で安価なモデルを開発できるようなマルチスケールのモデリングが必要となる。
本稿では,がん生物学の文脈におけるこのようなマルチスケールの枠組みを考察し,分子動力学モデルから1次元統計学を用いて開発した連続体モデルの記述能力を評価するという課題に対処する。
深層学習を用いて,連続体モデルから複雑で創発的な振る舞いを識別する高度な予測的分類モデルを開発する。
2つのシミュレーションで99.9%以上の精度が示され、タンパク質特異的な「脂質指紋」、すなわち興味のあるタンパク質に対する脂質の空間的再構成の存在を確認した。
この実演を通じて,本モデルは連続体モデルの外部的検証を提供し,マルチスケールモデリングの価値を肯定し,これらの指紋のさらなる分析を通じて新たな洞察を育むことができる。
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) - Generative Modeling of Molecular Dynamics Trajectories [12.255021091552441]
データからMDの柔軟なマルチタスクサロゲートモデルを学ぶためのパラダイムとして,分子軌道の生成モデルを提案する。
このような生成モデルは,前方シミュレーションや遷移経路サンプリング,軌道上アップサンプリングといった多様なタスクに適応可能であることを示す。
論文 参考訳(メタデータ) (2024-09-26T13:02:28Z) - HyPer-EP: Meta-Learning Hybrid Personalized Models for Cardiac Electrophysiology [7.230055455268642]
本稿では,個人化された心臓デジタル双生児を記述するための新しいハイブリッド・モデリング・フレームワークを提案する。
そこで我々は,物理系と神経系の両方のコンポーネントを識別するための新しいメタラーニングフレームワークを提案する。
論文 参考訳(メタデータ) (2024-03-15T02:30:00Z) - Navigating protein landscapes with a machine-learned transferable
coarse-grained model [29.252004942896875]
同様の予測性能を持つ粗粒度(CG)モデルは、長年にわたる課題である。
ケミカルトランスポータビリティを持つボトムアップCG力場を開発し,新しい配列の分子動力学に利用することができる。
本モデルでは, 折り畳み構造, 中間体, メタスタブル折り畳み型および折り畳み型流域, 内在的に不規則なタンパク質のゆらぎの予測に成功している。
論文 参考訳(メタデータ) (2023-10-27T17:10:23Z) - Model-agnostic multi-objective approach for the evolutionary discovery
of mathematical models [55.41644538483948]
現代のデータ科学では、どの部分がより良い結果を得るために置き換えられるかというモデルの性質を理解することがより興味深い。
合成データ駆動型モデル学習において,多目的進化最適化を用いてアルゴリズムの所望特性を求める。
論文 参考訳(メタデータ) (2021-07-07T11:17:09Z) - Closed-form Continuous-Depth Models [99.40335716948101]
連続深度ニューラルモデルは高度な数値微分方程式解法に依存している。
我々は,CfCネットワークと呼ばれる,記述が簡単で,少なくとも1桁高速な新しいモデル群を提示する。
論文 参考訳(メタデータ) (2021-06-25T22:08:51Z) - A multi-stage machine learning model on diagnosis of esophageal
manometry [50.591267188664666]
このフレームワークには、飲み込みレベルにおけるディープラーニングモデルと、学習レベルにおける機能ベースの機械学習モデルが含まれている。
これは、生のマルチスワローデータからHRM研究のCC診断を自動的に予測する最初の人工知能モデルである。
論文 参考訳(メタデータ) (2021-06-25T20:09:23Z) - 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) - Improving the Reconstruction of Disentangled Representation Learners via Multi-Stage Modeling [54.94763543386523]
現在の自己エンコーダに基づく非絡み合い表現学習法は、(集合体)後部をペナルティ化し、潜伏因子の統計的独立を促進することで、非絡み合いを実現する。
本稿では,不整合因子をペナルティに基づく不整合表現学習法を用いて学習する,新しい多段階モデリング手法を提案する。
次に、低品質な再構成を、欠落した関連潜伏変数をモデル化するために訓練された別の深層生成モデルで改善する。
論文 参考訳(メタデータ) (2020-10-25T18:51:15Z) - Hybrid modeling: Applications in real-time diagnosis [64.5040763067757]
我々は、機械学習にインスパイアされたモデルと物理モデルを組み合わせた、新しいハイブリッドモデリングアプローチの概要を述べる。
このようなモデルをリアルタイム診断に利用しています。
論文 参考訳(メタデータ) (2020-03-04T00:44:57Z)
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。