論文の概要: Stability Analysis of Non-Linear Classifiers using Gene Regulatory Neural Network for Biological AI

• arxiv url: http://arxiv.org/abs/2310.04424v1
• Date: Thu, 14 Sep 2023 21:37:38 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-15 14:47:11.276915
• Title: Stability Analysis of Non-Linear Classifiers using Gene Regulatory Neural Network for Biological AI
• Title（参考訳）: 遺伝子制御ニューラルネットワークを用いた生物AIのための非線形分類器の安定性解析
• Authors: Adrian Ratwatte, Samitha Somathilaka, Sasitharan Balasubramaniam and Assaf A. Gilad
• Abstract要約: 二重層転写翻訳化学反応モデルを用いた遺伝子パーセプトロンの数学的モデルを構築した。 我々は全接続GRNNサブネットワーク内の各遺伝子パーセプトロンの安定性解析を行い、時間的および安定した濃度出力を決定する。
• 参考スコア（独自算出の注目度）: 2.0755366440393743
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The Gene Regulatory Network (GRN) of biological cells governs a number of key functionalities that enables them to adapt and survive through different environmental conditions. Close observation of the GRN shows that the structure and operational principles resembles an Artificial Neural Network (ANN), which can pave the way for the development of Biological Artificial Intelligence. In particular, a gene's transcription and translation process resembles a sigmoidal-like property based on transcription factor inputs. In this paper, we develop a mathematical model of gene-perceptron using a dual-layered transcription-translation chemical reaction model, enabling us to transform a GRN into a Gene Regulatory Neural Network (GRNN). We perform stability analysis for each gene-perceptron within the fully-connected GRNN sub network to determine temporal as well as stable concentration outputs that will result in reliable computing performance. We focus on a non-linear classifier application for the GRNN, where we analyzed generic multi-layer GRNNs as well as E.Coli GRNN that is derived from trans-omic experimental data. Our analysis found that varying the parameters of the chemical reactions can allow us shift the boundaries of the classification region, laying the platform for programmable GRNNs that suit diverse application requirements.
• Abstract（参考訳）: 生物細胞の遺伝子調節ネットワーク(GRN)は、異なる環境条件下での適応と生存を可能にする重要な機能を多数支配している。 GRNの綿密な観察は、構造と運用原則が、生物学的人工知能の発展の道を開くことができるニューラルネットワーク(ANN)に似ていることを示している。 特に、遺伝子の転写および翻訳過程は転写因子入力に基づくシグモダル様の性質に似ている。 本稿では,2層転写翻訳化学反応モデルを用いた遺伝子パーセプトロンの数学的モデルを構築し,GRNを遺伝子制御ニューラルネットワーク(GRNN)に変換する。 完全連結grnnサブネットワーク内の各遺伝子パーセプトロンの安定性解析を行い、時間的および安定した濃度出力を判定し、信頼性の高い計算性能を得る。 我々は,汎用多層GRNNと,超音速実験データから導出したE.Coli GRNNを解析する,GRNNの非線形分類アプリケーションに焦点を当てた。 分析の結果,化学反応のパラメータが変化することにより,分類領域の境界が変化し,多様なアプリケーション要件に適合するプログラム可能なGRNNのプラットフォームが構築できることがわかった。

関連論文リスト

• Analysis of Gene Regulatory Networks from Gene Expression Using Graph Neural Networks [0.4369058206183195]
  本研究では、遺伝子制御ネットワーク(GRN)のようなグラフ構造化データをモデリングするための強力なアプローチであるグラフニューラルネットワーク(GNN)の利用について検討する。 規制相互作用を正確に予測し、キーレギュレータをピンポイントするモデルの有効性は、高度な注意機構に起因している。 GNNのGRN研究への統合は、パーソナライズド医療、薬物発見、生物学的システムの把握における先駆的な発展を目標としている。
  論文  参考訳（メタデータ） (2024-09-20T17:16:14Z)
• Wet TinyML: Chemical Neural Network Using Gene Regulation and Cell Plasticity [5.9659016963634315]
  Wet TinyMLは、遺伝子制御ネットワークに基づく化学ベースのニューラルネットワークの一種である。 GRNNは、アプリケーションベースの検索プロセスを利用することで、従来の計算に使用できる。 本研究は, 細胞可塑性の誘導により, 動的システムに適合する数学的回帰進化を抽出できることを実証する。
  論文  参考訳（メタデータ） (2024-03-13T14:00:18Z)
• Inference of dynamical gene regulatory networks from single-cell data with physics informed neural networks [0.0]
  本稿では,物理インフォームドニューラルネットワーク(PINN)を用いて,予測的,動的 GRN のパラメータを推定する方法について述べる。 具体的には, 分岐挙動を示すGRNについて検討し, 細胞分化をモデル化する。
  論文  参考訳（メタデータ） (2024-01-14T21:43:10Z)
• scBiGNN: Bilevel Graph Representation Learning for Cell Type Classification from Single-cell RNA Sequencing Data [62.87454293046843]
  グラフニューラルネットワーク(GNN)は、セルタイプの自動分類に広く利用されている。 scBiGNNは2つのGNNモジュールから構成され、細胞型を識別する。 scBiGNNは、scRNA-seqデータから細胞型分類のための様々な方法より優れている。
  論文  参考訳（メタデータ） (2023-12-16T03:54:26Z)
• Causal Inference in Gene Regulatory Networks with GFlowNet: Towards Scalability in Large Systems [87.45270862120866]
  我々は、GRNにおける因果構造学習を強化する新しいフレームワークとしてSwift-DynGFNを紹介した。 具体的には、Swift-DynGFNは、並列化を高め、計算コストを下げるために、遺伝子的に独立性を利用する。
  論文  参考訳（メタデータ） (2023-10-05T14:59:19Z)
• Inferring Gene Regulatory Neural Networks for Bacterial Decision Making in Biofilms [4.459301404374565]
  細菌細胞は環境を学習するのに用いられる様々な外部信号に敏感である。 遺伝性遺伝子制御ニューラルネットワーク(GRNN)の動作は、細胞決定を可能にする。 GRNNはバイオハイブリッドコンピューティングシステムのための計算タスクを実行できる。
  論文  参考訳（メタデータ） (2023-01-10T22:07:33Z)
• Granger causal inference on DAGs identifies genomic loci regulating transcription [77.58911272503771]
  GrID-Netは、DBG構造化システムにおけるGranger因果推論のためのラタグメッセージパッシングを備えたグラフニューラルネットワークに基づくフレームワークである。 我々の応用は、特定の遺伝子の調節を仲介するゲノム座を同定する単一セルマルチモーダルデータの解析である。
  論文  参考訳（メタデータ） (2022-10-18T21:15:10Z)
• Gene Regulatory Network Inference with Latent Force Models [1.2691047660244335]
  タンパク質合成の遅延は、RNAシークエンシング時系列データから遺伝子制御ネットワーク(GRN)を構築する際に相反する効果をもたらす。 実験データに適合するメカニスティック方程式とベイズ的アプローチを組み合わせることで,翻訳遅延を組み込んだモデルを提案する。
  論文  参考訳（メタデータ） (2020-10-06T09:03:34Z)
• A Unified View on Graph Neural Networks as Graph Signal Denoising [49.980783124401555]
  グラフニューラルネットワーク(GNN)は,グラフ構造化データの学習表現において顕著に普及している。 本研究では,代表的GNNモデル群における集約過程を,グラフ記述問題の解法とみなすことができることを数学的に確立する。 UGNNから派生した新しいGNNモデルADA-UGNNをインスタンス化し、ノード間の適応的滑らかさでグラフを処理する。
  論文  参考訳（メタデータ） (2020-10-05T04:57:18Z)
• Permutation-equivariant and Proximity-aware Graph Neural Networks with Stochastic Message Passing [88.30867628592112]
  グラフニューラルネットワーク(GNN)は、グラフ上の新たな機械学習モデルである。 置換等価性と近接認識性は、GNNにとって非常に望ましい2つの重要な特性である。 既存のGNNは、主にメッセージパッシング機構に基づいており、同時に2つの特性を保存できないことを示す。 ノードの近さを保つため,既存のGNNをノード表現で拡張する。
  論文  参考訳（メタデータ） (2020-09-05T16:46:56Z)
• Graph Neural Networks for Motion Planning [108.51253840181677]
  低次元問題に対する高密度固定グラフ上のGNNと高次元問題に対するサンプリングベースGNNの2つの手法を提案する。 RRT(Rapidly-Exploring Random Trees)におけるクリティカルノードの特定やサンプリング分布の学習といった計画上の問題にGNNが取り組む能力について検討する。 臨界サンプリング、振り子、6つのDoFロボットアームによる実験では、GNNは従来の分析手法の改善だけでなく、完全に接続されたニューラルネットワークや畳み込みニューラルネットワークを用いた学習アプローチも示している。
  論文  参考訳（メタデータ） (2020-06-11T08:19:06Z)

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。