Fugu-MT 論文翻訳(概要): An Optimal Likelihood Free Method for Biological Model Selection

論文の概要: An Optimal Likelihood Free Method for Biological Model Selection

arxiv url: http://arxiv.org/abs/2208.02344v1
Date: Wed, 3 Aug 2022 21:05:20 GMT
ステータス: 処理完了
システム内更新日: 2022-08-05 12:58:10.372082
Title: An Optimal Likelihood Free Method for Biological Model Selection
Title（参考訳）: 生体モデル選択のための最適確率自由法
Authors: Vincent D. Zaballa and Elliot E. Hui
Abstract要約: システム生物学は、固有の生物学的複雑性を減らすために、生物学的システムの数学モデルを作成しようとしている。本稿では, システム生物学の数学的モデルを用いた自動生物モデル選択アルゴリズムと, 可能性自由推論手法を提案する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Systems biology seeks to create math models of biological systems to reduce inherent biological complexity and provide predictions for applications such as therapeutic development. However, it remains a challenge to determine which math model is correct and how to arrive optimally at the answer. We present an algorithm for automated biological model selection using mathematical models of systems biology and likelihood free inference methods. Our algorithm shows improved performance in arriving at correct models without a priori information over conventional heuristics used in experimental biology and random search. This method shows promise to accelerate biological basic science and drug discovery.
Abstract（参考訳）: システム生物学は、生物学的複雑性を低減し、治療開発のような応用のための予測を提供する生物学的システムの数学モデルの作成を目指している。しかし、どの数学モデルが正しいか、どのように最適に解くかを決定することは依然として課題である。本稿では,システム生物学の数学的モデルと確率自由推論手法を用いた自動生体モデル選択アルゴリズムを提案する。提案アルゴリズムは, 実験生物学やランダム探索で用いられる従来のヒューリスティックスよりも, 事前情報のない正しいモデルに到達する際の性能向上を示す。この方法は生物学的基礎科学と薬物発見を加速させる。

関連論文リスト

Conformal Prediction in Dynamic Biological Systems [0.6144680854063939]
不確実性定量化(英: Uncertainty Quantification、UQ)は、計算モデル予測における信頼度を体系的に決定し、特徴づける過程である。ここでは、決定論的非線形常微分方程式で表される動的モデルに焦点を当てる。本稿では,共形推論手法を用いて,漸近的でない保証を提供する2つの新しいアルゴリズムを提案する。
論文参考訳（メタデータ） (2024-09-04T12:20:27Z)
BioDiscoveryAgent: An AI Agent for Designing Genetic Perturbation Experiments [112.25067497985447]
そこで,BioDiscoveryAgentを紹介した。このエージェントは,新しい実験を設計し,その結果の理由を明らかにし,仮説空間を効率的にナビゲートし,望ましい解に到達させる。 BioDiscoveryAgentは、機械学習モデルをトレーニングすることなく、新しい実験を独自に設計することができる。 6つのデータセットで関連する遺伝的摂動を予測することで、平均21%の改善が達成されている。
論文参考訳（メタデータ） (2024-05-27T19:57:17Z)
Boolean matrix logic programming for active learning of gene functions in genome-scale metabolic network models [4.762323642506732]
我々は、細胞工学の促進と生物学的発見を促進するために、論理ベースの機械学習技術を適用しようとしている。我々は,情報的実験を導くことでゲノム仮説空間を効率的に探索する新しいシステム,BMLP_active$を導入する。 $BMLP_active$は、ランダムな実験よりもトレーニング例が少ない遺伝子ペア間の相互作用をうまく学べる。
論文参考訳（メタデータ） (2024-05-10T09:51:06Z)
Seeing Unseen: Discover Novel Biomedical Concepts via Geometry-Constrained Probabilistic Modeling [53.7117640028211]
同定された問題を解決するために,幾何制約付き確率的モデリング処理を提案する。構成された埋め込み空間のレイアウトに適切な制約を課すために、重要な幾何学的性質のスイートを組み込む。スペクトルグラフ理論法は、潜在的な新規クラスの数を推定するために考案された。
論文参考訳（メタデータ） (2024-03-02T00:56:05Z)
Phylogeny-informed fitness estimation [58.720142291102135]
本研究では, 住民の健康評価を推定するために, フィロジェニーを利用した適合度推定手法を提案する。以上の結果から, 植物性インフォームドフィットネス推定は, ダウンサンプドレキシケースの欠点を軽減することが示唆された。この研究は、ランタイム系統解析を利用して進化アルゴリズムを改善するための最初のステップとなる。
論文参考訳（メタデータ） (2023-06-06T19:05:01Z)
Online simulator-based experimental design for cognitive model selection [74.76661199843284]
本稿では,抽出可能な確率を伴わない計算モデルを選択する実験設計手法BOSMOSを提案する。シミュレーション実験では,提案手法により,既存のLFI手法に比べて最大2桁の精度でモデルを選択することができることを示した。
論文参考訳（メタデータ） (2023-03-03T21:41:01Z)
The Struggle for Existence: Time, Memory and Bloat [0.0]
生物学的システムの研究のための遺伝プログラムの暗黙的、内在的、進化的最適化をテストする。新たなソリューションは最適化プロセスの創造性を確認し、中立なコードを実験的にテストするユニークな機会を提供する。この暗黙的、遺伝的、空間的にプログラムされたエージェントの使用は、新規で、生物学的システムと整合性があり、適合性や新規な解を見つけるのに効果的で効率的であることが示されている。
論文参考訳（メタデータ） (2023-02-06T19:53:59Z)
Inference of cell dynamics on perturbation data using adjoint sensitivity [4.606583317143614]
データ駆動型細胞生物学のダイナミックモデルを用いて、目に見えない摂動に対する細胞の反応を予測することができる。最近の研究は、明示的な相互作用項を持つ解釈可能なモデルの導出を実証した。本研究は,このモデル推論手法の適用範囲を生物システムの多様性に拡張することを目的としている。
論文参考訳（メタデータ） (2021-04-13T19:15:56Z)
A synthetic biology approach for the design of genetic algorithms with bacterial agents [0.0]
合成細菌によって全てのステップが実行される進化的アルゴリズムの設計の斬新さとして紹介する。結果は、合成生物学の原理、メカニズム、遺伝回路から着想を得た進化的アルゴリズムの可能性が開かれた。
論文参考訳（メタデータ） (2021-01-19T09:59:33Z)
AdaLead: A simple and robust adaptive greedy search algorithm for sequence design [55.41644538483948]
我々は、容易で、拡張性があり、堅牢な進化的欲求アルゴリズム(AdaLead)を開発した。 AdaLeadは、様々な生物学的に動機づけられたシーケンスデザインの課題において、アートアプローチのより複雑な状態を克服する、驚くほど強力なベンチマークである。
論文参考訳（メタデータ） (2020-10-05T16:40:38Z)
The data-driven physical-based equations discovery using evolutionary approach [77.34726150561087]
与えられた観測データから数学的方程式を発見するアルゴリズムについて述べる。このアルゴリズムは遺伝的プログラミングとスパース回帰を組み合わせたものである。解析方程式の発見や偏微分方程式(PDE)の発見にも用いられる。
論文参考訳（メタデータ） (2020-04-03T17:21:57Z)

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。