Fugu-MT 論文翻訳(概要): Hierarchical Conditioning of Diffusion Models Using Tree-of-Life for Studying Species Evolution

論文の概要: Hierarchical Conditioning of Diffusion Models Using Tree-of-Life for Studying Species Evolution

arxiv url: http://arxiv.org/abs/2408.00160v1
Date: Wed, 31 Jul 2024 21:06:14 GMT
ステータス: 処理完了
システム内更新日: 2024-08-04 22:16:07.680846
Title: Hierarchical Conditioning of Diffusion Models Using Tree-of-Life for Studying Species Evolution
Title（参考訳）: 生物樹を用いた拡散モデルの階層的条件付けによる種進化の研究
Authors: Mridul Khurana, Arka Daw, M. Maruf, Josef C. Uyeda, Wasila Dahdul, Caleb Charpentier, Yasin Bakış, Henry L. Bart Jr., Paula M. Mabee, Hilmar Lapp, James P. Balhoff, Wei-Lun Chao, Charles Stewart, Tanya Berger-Wolf, Anuj Karpatne,
Abstract要約: 階層型埋め込み(HIER-Embeds)で表される系統的知識を持つ拡散モデルを条件付けるフレームワークであるPhylo-Diffusionを紹介する。また,Phylo-Diffusionの埋め込み空間を摂動する2つの新しい実験を提案する。私たちの研究は、生成モデルを用いて画像から直接進化的変化を可視化することで、進化生物学の新しい章も開きます。
参考スコア（独自算出の注目度）: 19.899467048643363
License: http://creativecommons.org/licenses/by-sa/4.0/
Abstract: A central problem in biology is to understand how organisms evolve and adapt to their environment by acquiring variations in the observable characteristics or traits of species across the tree of life. With the growing availability of large-scale image repositories in biology and recent advances in generative modeling, there is an opportunity to accelerate the discovery of evolutionary traits automatically from images. Toward this goal, we introduce Phylo-Diffusion, a novel framework for conditioning diffusion models with phylogenetic knowledge represented in the form of HIERarchical Embeddings (HIER-Embeds). We also propose two new experiments for perturbing the embedding space of Phylo-Diffusion: trait masking and trait swapping, inspired by counterpart experiments of gene knockout and gene editing/swapping. Our work represents a novel methodological advance in generative modeling to structure the embedding space of diffusion models using tree-based knowledge. Our work also opens a new chapter of research in evolutionary biology by using generative models to visualize evolutionary changes directly from images. We empirically demonstrate the usefulness of Phylo-Diffusion in capturing meaningful trait variations for fishes and birds, revealing novel insights about the biological mechanisms of their evolution.
Abstract（参考訳）: 生物学の中心的な問題は、生物がどう進化して環境に適応するかを理解することである。生物学における大規模画像レポジトリの利用可能化と、生成モデリングの最近の進歩により、画像からの進化的特徴の自動発見を加速する機会がある。この目的に向けて, ヒエラルキ的埋め込み (HIER-Embeds) の形で表現された系統的知識を持つ拡散モデルを条件付ける新しいフレームワークであるPhylo-Diffusionを紹介する。また,Phylo-Diffusionの組込み空間を摂動させる2つの新しい実験を提案する。本研究は,木系知識を用いた拡散モデルの埋め込み空間を構築するための生成モデリングの方法論的進歩を示す。私たちの研究は、生成モデルを用いて画像から直接進化的変化を可視化することで、進化生物学の新しい章も開きます。魚類や鳥類の有意な形質変化を捉える上でのフィロ拡散の有用性を実証的に実証し,その進化の生物学的機構に関する新たな知見を明らかにした。

関連論文リスト

Revealing Subtle Phenotypes in Small Microscopy Datasets Using Latent Diffusion Models [0.815557531820863]
本稿では,事前学習した潜伏拡散モデルを用いて,微妙な表現型変化を明らかにする手法を提案する。本研究は, 視覚的特徴と知覚的差異の両方を捉えることで, 表現型変化を効果的に検出できることを示す。
論文参考訳（メタデータ） (2025-02-12T15:45:19Z)
G2PDiffusion: Genotype-to-Phenotype Prediction with Diffusion Models [108.94237816552024]
本稿では,G2PDiffusionについて紹介する。G2PDiffusionは,複数の種にまたがる遺伝子型からフェノタイプへの拡散モデルである。我々は,形態的表現型を種間で表現するために画像を使用し,条件付き画像生成として表現型予測を再定義する。
論文参考訳（メタデータ） (2025-02-07T06:16:31Z)
PhyloGen: Language Model-Enhanced Phylogenetic Inference via Graph Structure Generation [50.80441546742053]
系統樹は種間の進化的関係を解明する。伝統的なマルコフ連鎖モンテカルロ法は、緩やかな収束と計算上の負担に直面している。我々は、事前学習されたゲノム言語モデルを活用する新しい方法であるPhyloGenを提案する。
論文参考訳（メタデータ） (2024-12-25T08:33:05Z)
Evolutionary Dispersal of Ecological Species via Multi-Agent Deep Reinforcement Learning [0.0]
本研究は,多エージェント強化学習(MARL)と深度Q-networks(DQN)を用いて,単一種と捕食者-捕食者の相互作用をシミュレートする。我々のシミュレーションでは、進化的分散戦略を明らかにし、種分散機構の洞察を与え、伝統的な数学的モデルを検証する。
論文参考訳（メタデータ） (2024-10-24T10:21:23Z)
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)
PhenDiff: Revealing Subtle Phenotypes with Diffusion Models in Real Images [0.7329200485567825]
PhenDiffは、実際の画像をある状態から別の状態に翻訳することで、細胞性表現型の変化を特定する。薬物治療の低濃度の場合など,表現型の変化が見えない場合や見えない場合において,この手法を質的,定量的に検証する。
論文参考訳（メタデータ） (2023-12-13T17:06:33Z)
Tertiary Lymphoid Structures Generation through Graph-based Diffusion [54.37503714313661]
本研究では,最先端のグラフベース拡散モデルを用いて生物学的に意味のある細胞グラフを生成する。本研究では, グラフ拡散モデルを用いて, 3次リンパ構造(TLS)の分布を正確に学習できることを示す。
論文参考訳（メタデータ） (2023-10-10T14:37:17Z)
Discovering Novel Biological Traits From Images Using Phylogeny-Guided Neural Networks [10.372001949268636]
本稿では,特徴ラベルに依存しない画像から進化的特徴を直接発見するための新しい手法を提案する。提案手法であるPhylo-NNは、生物の画像を量子化された特徴ベクトルの列にエンコードする。本研究は,多くの下流タスクにおいて生物学的に有意義な結果を生み出すためのアプローチの有効性を実証する。
論文参考訳（メタデータ） (2023-06-05T20:22:05Z)
Unsupervised ensemble-based phenotyping helps enhance the discoverability of genes related to heart morphology [57.25098075813054]
我々はUn Phenotype Ensemblesという名の遺伝子発見のための新しいフレームワークを提案する。教師なしの方法で学習された表現型のセットをプールすることで、冗長だが非常に表現性の高い表現を構築する。これらの表現型は、(GWAS)を介して分析され、高い自信と安定した関連のみを保持する。
論文参考訳（メタデータ） (2023-01-07T18:36:44Z)
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)

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。