論文の概要: A Guide to Tracking Phylogenies in Parallel and Distributed Agent-based Evolution Models

• arxiv url: http://arxiv.org/abs/2405.10183v2
• Date: Wed, 02 Oct 2024 16:36:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-03 15:17:38.629217
• Title: A Guide to Tracking Phylogenies in Parallel and Distributed Agent-based Evolution Models
• Title（参考訳）: 並列・分散エージェントベース進化モデルにおける系統追跡ガイド
• Authors: Matthew Andres Moreno, Anika Ranjan, Emily Dolson, Luis Zaman,
• Abstract要約: エージェントベースモデルを用いたサイリコ研究では、シミュレートされたエージェント間の祖先関係の高品質な記録を収集する機会を提供する。 現存する研究は通常、系統を直接追跡し、進化史の正確な系統学的な記録を生み出している。 ポストホック推定は、生物情報学者が生物間の遺伝的類似性を評価することによって植物学を構築する方法に似ている。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Computer simulations are an important tool for studying the mechanics of biological evolution. In particular, in silico work with agent-based models provides an opportunity to collect high-quality records of ancestry relationships among simulated agents. Such phylogenies can provide insight into evolutionary dynamics within these simulations. Existing work generally tracks lineages directly, yielding an exact phylogenetic record of evolutionary history. However, direct tracking can be inefficient for large-scale, many-processor evolutionary simulations. An alternate approach to extracting phylogenetic information from simulation that scales more favorably is post hoc estimation, akin to how bioinformaticians build phylogenies by assessing genetic similarities between organisms. Recently introduced ``hereditary stratigraphy'' algorithms provide means for efficient inference of phylogenetic history from non-coding annotations on simulated organisms' genomes. A number of options exist in configuring hereditary stratigraphy methodology, but no work has yet tested how they impact reconstruction quality. To address this question, we surveyed reconstruction accuracy under alternate configurations across a matrix of evolutionary conditions varying in selection pressure, spatial structure, and ecological dynamics. We synthesize results from these experiments to suggest a prescriptive system of best practices for work with hereditary stratigraphy, ultimately guiding researchers in choosing appropriate instrumentation for large-scale simulation studies.
• Abstract（参考訳）: コンピュータシミュレーションは、生物進化の力学を研究するための重要なツールである。 特に、エージェントベースモデルを用いたサイリコ研究は、シミュレーションエージェント間の祖先関係の高品質な記録を収集する機会を提供する。 このような系統学は、これらのシミュレーションにおける進化力学の洞察を与えることができる。 現存する研究は通常、系統を直接追跡し、進化史の正確な系統学的な記録を生み出している。 しかし、直接追跡は大規模で多プロセッサの進化シミュレーションでは非効率である。 より好意的にスケールするシミュレーションから系統情報を抽出する別のアプローチは、生物情報学者が生物間の遺伝的類似性を評価することによって系統を構築する方法に類似した、ポストホック推定である。 最近導入された「遺伝層序」アルゴリズムは、シミュレートされた生物ゲノム上の非コードアノテーションから系統学的歴史を効率的に推定する手段を提供する。 遺伝層序法の設定にはいくつかの選択肢があるが、再構築品質にどのように影響するかはまだ検証されていない。 そこで本研究では, 選択圧力, 空間構造, 生態動態の異なる進化条件の行列を交互に構成し, 再構成精度を調査した。 我々はこれらの実験の結果を合成し、遺伝層序を扱うためのベストプラクティスの規範的システムを提案する。

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)
• Semantically Rich Local Dataset Generation for Explainable AI in Genomics [0.716879432974126]
  ゲノム配列に基づいて訓練されたブラックボックス深層学習モデルは、異なる遺伝子制御機構の結果を予測するのに優れている。 本稿では、遺伝的プログラミングを用いて、その意味的多様性に寄与する配列の摂動を進化させることによりデータセットを生成することを提案する。
  論文  参考訳（メタデータ） (2024-07-03T10:31:30Z)
• Phylotrack: C++ and Python libraries for in silico phylogenetic tracking [0.0]
  Phylotrackプロジェクトは、シリコの進化における系統の追跡と解析のためのライブラリを提供する。 プロジェクトは,1) Phylotracklibと,2) Phylotrackpy: Phylotracklibを囲むPythonラッパーで,Pybind11で作成された。
  論文  参考訳（メタデータ） (2024-05-15T14:47:43Z)
• Trackable Agent-based Evolution Models at Wafer Scale [0.0]
  我々は,85万プロセッサCerebras Wafer Scale Engine(WSE)のエージェントベース進化から系統情報を抽出する問題に焦点をあてる。 We present a asynchronous island-based genetic algorithm (GA) framework for WSE hardware。 本研究は,これらの治験の系統的再構成を検証し,根底にある進化状態の推測に適合することを示す。
  論文  参考訳（メタデータ） (2024-04-16T19:24:14Z)
• Neural Echos: Depthwise Convolutional Filters Replicate Biological Receptive Fields [56.69755544814834]
  哺乳類網膜で観察される生体受容野を,深部核が効果的に複製していることを示す証拠を提示する。 生体受容の分野からインスピレーションを得る手法を提案する。
  論文  参考訳（メタデータ） (2024-01-18T18:06:22Z)
• PhyloGFN: Phylogenetic inference with generative flow networks [57.104166650526416]
  本稿では,系統学における2つの中核的問題に対処するための生成フローネットワーク(GFlowNets)の枠組みを紹介する。 GFlowNetsは複雑な構造をサンプリングするのに適しているため、木トポロジー上の多重モード後部分布を探索し、サンプリングするのに自然な選択である。 我々は, 実際のベンチマークデータセット上で, 様々な, 高品質な進化仮説を生成できることを実証した。
  論文  参考訳（メタデータ） (2023-10-12T23:46:08Z)
• 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)
• Differentiable Agent-based Epidemiology [71.81552021144589]
  GradABM(GradABM)は、エージェントベースのモデリングのためのスケーラブルで微分可能な設計で、勾配に基づく学習と自動微分が可能である。 GradABMは、コモディティハードウェア上で数秒で数百万の人口をシミュレートし、ディープニューラルネットワークと統合し、異種データソースを取り込みます。
  論文  参考訳（メタデータ） (2022-07-20T07:32:02Z)
• EvoVGM: A Deep Variational Generative Model for Evolutionary Parameter Estimation [0.0]
  本研究では,局所生物学的進化パラメータの真後部を共同で近似した深部変分ベイズ生成モデルを提案する。 本研究では,いくつかの進化シナリオと実際のウイルス配列アライメントをシミュレートした合成配列アライメントにおける手法の一貫性と有効性を示す。
  論文  参考訳（メタデータ） (2022-05-25T20:08:10Z)
• Epigenetic evolution of deep convolutional models [81.21462458089142]
  我々は、より深い畳み込みモデルを進化させるために、これまで提案されていた神経進化の枠組みを構築した。 異なる形状と大きさのカーネルを同一層内に共存させる畳み込み層配置を提案する。 提案したレイアウトにより、畳み込み層内の個々のカーネルのサイズと形状を、対応する新しい突然変異演算子で進化させることができる。
  論文  参考訳（メタデータ） (2021-04-12T12:45:16Z)
• Select-ProtoNet: Learning to Select for Few-Shot Disease Subtype Prediction [55.94378672172967]
  本研究は, 類似患者のサブグループを同定し, 数発の疾患のサブタイプ予測問題に焦点を当てた。 新しいモデルを開発するためにメタラーニング技術を導入し、関連する臨床課題から共通の経験や知識を抽出する。 我々の新しいモデルは、単純だが効果的なメタ学習マシンであるPrototypeal Networkと呼ばれる、慎重に設計されたメタラーナーに基づいて構築されている。
  論文  参考訳（メタデータ） (2020-09-02T02:50:30Z)

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。