論文の概要: The cell signaling structure function
- arxiv url: http://arxiv.org/abs/2401.02501v2
- Date: Thu, 11 Jan 2024 12:30:23 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-13 02:43:50.134830
- Title: The cell signaling structure function
- Title(参考訳): 細胞シグナリング構造の機能
- Authors: Layton Aho, Mark Winter, Marc DeCarlo, Agne Frismantiene, Yannick
Blum, Paolo Armando Gagliardi, Olivier Pertz, Andrew R. Cohen
- Abstract要約: Live Cell Microscopyは、5-D $(xy,z, channel,time)$の映画を撮影する。
本稿では, 5次元ライブ細胞映画において, 期待パターンの事前知識を必要とせず, トレーニングデータも必要とせず, 細胞シグナル伝達のパターンを見つけるためのアプローチを提案する。
- 参考スコア(独自算出の注目度): 0.16060719742433224
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Live cell microscopy captures 5-D $(x,y,z,channel,time)$ movies that display
patterns of cellular motion and signaling dynamics. We present here an approach
to finding spatiotemporal patterns of cell signaling dynamics in 5-D live cell
microscopy movies unique in requiring no a priori knowledge of expected pattern
dynamics, and no training data. The proposed cell signaling structure function
(SSF) is a Kolmogorov structure function that optimally measures cell signaling
state as nuclear intensity w.r.t. surrounding cytoplasm, a significant
improvement compared to the current state-of-the-art cytonuclear ratio. SSF
kymographs store at each spatiotemporal cell centroid the SSF value, or a
functional output such as velocity. Patterns of similarity are identified via
the metric normalized compression distance (NCD). The NCD is a reproducing
kernel for a Hilbert space that represents the input SSF kymographs as points
in a low dimensional embedding that optimally captures the pattern similarity
identified by the NCD throughout the space. The only parameter is the expected
cell radii ($\mu m$). A new formulation of the cluster structure function
optimally estimates how meaningful an embedding from the RKHS representation.
Results are presented quantifying the impact of ERK and AKT signaling between
different oncogenic mutations, and by the relation between ERK signaling and
cellular velocity patterns for movies of 2-D monolayers of human breast
epithelial (MCF10A) cells, 3-D MCF10A spheroids under optogenetic manipulation
of ERK, and human induced pluripotent stem cells .
- Abstract(参考訳): 生きた細胞顕微鏡は、5d $(x,y,z,channel,time)$の映画を撮影し、細胞の動きとシグナルのダイナミクスのパターンを表示する。
本稿では, 予測パターンダイナミクスの事前知識を必要とせず, トレーニングデータも不要な5次元ライブセル顕微鏡映画において, 細胞シグナル伝達ダイナミクスの時空間的パターンを探索する手法を提案する。
提案する細胞シグナリング構造関数(ssf)は、細胞質周辺の核強度w.r.t.の細胞シグナリング状態を最適に測定するコルモゴロフ構造関数であり、現在の細胞核比と比較して著しく改善されている。
SSFキモグラフは、各時空間セルセントロイドにSSF値または速度のような機能出力を格納する。
類似性のパターンは、計量正規化圧縮距離(NCD)を介して同定される。
ncdは、入力 ssf kymographs を空間全体の ncd によって識別されるパターンの類似性を最適に捉えた低次元埋め込みの点として表現するヒルベルト空間の再生核である。
唯一のパラメータは期待セル radii ($\mu m$) である。
クラスタ構造関数の新しい定式化は、RKHS表現からの埋め込みがいかに意味を持つかを最適に推定する。
その結果,ヒト乳癌上皮細胞 (MCF10A) の2次元単分子膜, ERKのオプトジェネティック操作下での3次元MCF10A球体, およびヒト誘導多能性幹細胞のERKシグナル伝達と細胞速度パターンとの関係を定量化した。
関連論文リスト
- Interpretable Spatio-Temporal Embedding for Brain Structural-Effective Network with Ordinary Differential Equation [56.34634121544929]
本研究では,まず動的因果モデルを用いて脳効果ネットワークを構築する。
次に、STE-ODE(Spatio-Temporal Embedding ODE)と呼ばれる解釈可能なグラフ学習フレームワークを導入する。
このフレームワークは、構造的および効果的なネットワーク間の動的相互作用を捉えることを目的とした、特異的に設計されたノード埋め込み層を含んでいる。
論文 参考訳(メタデータ) (2024-05-21T20:37:07Z) - 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) - Cell Spatial Analysis in Crohn's Disease: Unveiling Local Cell
Arrangement Pattern with Graph-based Signatures [19.24727395217543]
クローン病(Crohn's disease, CD)は、慢性的に再発する炎症性疾患である。
細胞数や組織形態以外の より広い形態計測と 局所的な配列を理解することは 依然として困難です
我々は,H&E画像から6種類の異なる細胞を特徴付け,各細胞の局所的空間的シグネチャに対する新しいアプローチを開発した。
論文 参考訳(メタデータ) (2023-08-20T05:26:25Z) - UNADON: Transformer-based model to predict genome-wide chromosome
spatial position [2.3980064191633232]
UNADONと呼ばれるトランスフォーマーに基づく新しいディープラーニングモデルを開発した。
特定のタイプの核体へのゲノム全体の細胞学的距離を予測する。
核体への大規模な区画化に影響を及ぼす潜在的な配列とエピジェノミクス因子を明らかにする。
論文 参考訳(メタデータ) (2023-04-26T01:30:50Z) - Generative modeling of living cells with SO(3)-equivariant implicit
neural representations [2.146287726016005]
ニューラルネットワークによって推定される符号付き距離関数(SDF)のレベルセットとして,生きた細胞形状を表現することを提案する。
我々は、完全に接続されたニューラルネットワークを最適化し、3D+時間領域の任意の時点におけるSDF値の暗黙的な表現を提供する。
本研究では, 急激な変形を示す細胞 (Platynereis dumerilii) , 増殖・分裂する細胞 (C. elegans) , および糸状体突起を成長・分岐する細胞 (A549ヒト肺癌細胞) に対するこのアプローチの有効性を示す。
論文 参考訳(メタデータ) (2023-04-18T12:51:18Z) - 3D Mitochondria Instance Segmentation with Spatio-Temporal Transformers [101.44668514239959]
本稿では,空間的および時間的注意を並列に効率的に計算するハイブリッドエンコーダデコーダフレームワークを提案する。
また,ミトコンドリアインスタンスの領域を背景から支援する訓練中に,意味的クラッタ・バックグラウンドの逆行性障害も導入した。
論文 参考訳(メタデータ) (2023-03-21T17:58:49Z) - Three-dimensional micro-structurally informed in silico myocardium --
towards virtual imaging trials in cardiac diffusion weighted MRI [58.484353709077034]
本稿では,心筋微細構造の数値ファントムを現実的に生成する新しい手法を提案する。
シリコン組織モデルにより、磁気共鳴イメージングの定量的モデルを評価することができる。
論文 参考訳(メタデータ) (2022-08-22T22:01:44Z) - Implicit Neural Representations for Generative Modeling of Living Cell
Shapes [3.84519093892967]
細胞形状合成のための深い生成モデルは、細胞の形状の軽量で柔軟な表現を必要とする。
本研究では,セル形状を表すために符号付き距離関数のレベルセット(SDF)を提案する。
ニューラルネットワークを3D+時間領域の任意の点におけるSDF値の暗黙的なニューラル表現として最適化する。
以上の結果から, 合成細胞の形状記述子は実細胞の形状と類似しており, 複雑な細胞形状のトポロジカルな配列を3次元+時間で生成できることがわかった。
論文 参考訳(メタデータ) (2022-07-13T15:28:07Z) - Growing Isotropic Neural Cellular Automata [63.91346650159648]
我々は、元のGrowing NCAモデルには、学習された更新規則の異方性という重要な制限があると主張している。
細胞系は2つの方法のいずれかによって、正確な非対称パターンを成長させる訓練が可能であることを実証する。
論文 参考訳(メタデータ) (2022-05-03T11:34:22Z) - Machine learning based lens-free imaging technique for field-portable
cytometry [0.0]
提案手法の精度は98%に向上し,多くの細胞に対して5dB以上の信号が増強された。
モデルは、数回の学習イテレーションで新しいタイプのサンプルを学ぶために適応し、新しく導入されたサンプルをうまく分類することができる。
論文 参考訳(メタデータ) (2022-03-02T07:09:29Z) - Early Detection of COVID-19 Hotspots Using Spatio-Temporal Data [66.70036251870988]
疾病予防管理センター(CDC)は他の連邦機関と協力して、新型コロナウイルス(COVID-19)の感染が増加する郡(ホットスポット)を特定する。
本稿では,米国における新型コロナウイルスホットスポットの早期発見のためのスパースモデルを提案する。
深層ニューラルネットワークは、カーネルの解釈可能性を維持しながらモデルの代表的なパワーを高めるために導入されている。
論文 参考訳(メタデータ) (2021-05-31T19:28:17Z)
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。