論文の概要: Genesis: Towards the Automation of Systems Biology Research
- arxiv url: http://arxiv.org/abs/2408.10689v2
- Date: Wed, 4 Sep 2024 09:56:27 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-06 19:09:05.402538
- Title: Genesis: Towards the Automation of Systems Biology Research
- Title（参考訳）: Genesis: システム生物学研究の自動化に向けて
- Authors: Ievgeniia A. Tiukova, Daniel Brunnsåker, Erik Y. Bjurström, Alexander H. Gower, Filip Kronström, Gabriel K. Reder, Ronald S. Reiserer, Konstantin Korovin, Larisa B. Soldatova, John P. Wikswo, Ross D. King,
- Abstract要約: 我々はGenesisという次世代ロボット科学者を開発している。
我々は,ロボット科学者を用いた科学の分野を,人間科学者よりも明らかに速く,低コストで研究できることを実証することを目的とする。
ここでは、Genesisプロジェクトの進捗状況を報告する。
- 参考スコア（独自算出の注目度）: 32.67169575874115
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The cutting edge of applying AI to science is the closed-loop automation of scientific research: robot scientists. We have previously developed two robot scientists: `Adam' (for yeast functional biology), and `Eve' (for early-stage drug design)). We are now developing a next generation robot scientist Genesis. With Genesis we aim to demonstrate that an area of science can be investigated using robot scientists unambiguously faster, and at lower cost, than with human scientists. Here we report progress on the Genesis project. Genesis is designed to automatically improve system biology models with thousands of interacting causal components. When complete Genesis will be able to initiate and execute in parallel one thousand hypothesis-led closed-loop cycles of experiment per-day. Here we describe the core Genesis hardware: the one thousand computer-controlled $\mu$-bioreactors. For the integrated Mass Spectrometry platform we have developed AutonoMS, a system to automatically run, process, and analyse high-throughput experiments. We have also developed Genesis-DB, a database system designed to enable software agents access to large quantities of structured domain information. We have developed RIMBO (Revisions for Improvements of Models in Biology Ontology) to describe the planned hundreds of thousands of changes to the models. We have demonstrated the utility of this infrastructure by developed two relational learning bioinformatic projects. Finally, we describe LGEM+ a relational learning system for the automated abductive improvement of genome-scale metabolic models.
- Abstract（参考訳）: AIを科学に適用する最先端は、科学研究のクローズループ自動化である。
われわれは以前,「アダム」(酵母機能生物学)と「イーブ」(初期医薬品デザイン)の2人のロボット科学者を開発した。
私たちは今、次世代のロボット科学者Genesisを開発している。
Genesisでは、人間の科学者よりも明らかに速く、低コストで、科学の分野を研究できることを実証することを目指している。
ここでは、Genesisプロジェクトの進捗状況を報告する。
Genesisは、何千もの相互作用する因果成分でシステム生物学モデルを自動的に改善するように設計されている。
ジェネシスが完成すれば、1日当たり1000回の仮説に基づくクローズドループサイクルを並列に開始し実行することができる。
ここでは、Genesisのコアハードウェアについて説明する: 1000のコンピュータ制御された$\mu$-bioreactors。
統合されたMass Spectrometryプラットフォームのために、我々はAutonoMSを開発した。
我々はまた、ソフトウェアエージェントが大量の構造化ドメイン情報にアクセスできるように設計されたデータベースシステムGenesis-DBを開発した。
我々は, RIMBO (Revisions for Improvements of Models in Biology Ontology) を開発した。
我々は,2つのリレーショナル学習バイオインフォマティクスプロジェクトによって,このインフラの有用性を実証した。
最後に,LGEM+をゲノム規模メタボリックモデルの自動誘導的改善のための関係学習システムとして記述する。
関連論文リスト
- The Use of AI-Robotic Systems for Scientific Discovery [34.54807102377927]
この章では、科学哲学におけるロボット科学者の基礎をいくつか探求する。
科学的手法は能動的学習と類似していると論じる。
論文 参考訳（メタデータ） (2024-06-25T15:33:01Z) - BioDiscoveryAgent: An AI Agent for Designing Genetic Perturbation Experiments [116.43369600518163]
我々は,新たな実験を設計し,その成果の理由を判断し,仮説空間を効率的にナビゲートし,望ましい解を得るエージェントであるBioDiscoveryAgentを開発した。
BioDiscoveryAgentは、機械学習モデルをトレーニングしたり、取得関数を明示的に設計することなく、新しい実験を独自に設計することができる。
5つのデータセットで所望の表現型を検出することで平均18%の改善を実現している。
論文 参考訳（メタデータ） (2024-05-27T19:57:17Z) - DARWIN Series: Domain Specific Large Language Models for Natural Science [20.864698325126735]
本稿では,物理,化学,物質科学を中心に,自然科学に適したLLMのシリーズであるDARWINを紹介する。
我々は6万以上の命令データポイントを用いてモデルを微調整し、事実の正しさを強調した。
DARWINシリーズは、様々な科学的タスクに関する最先端の結果を達成するだけでなく、クローズドソースAIモデルへの依存を減少させる。
論文 参考訳（メタデータ） (2023-08-25T01:40:48Z) - Biomaker CA: a Biome Maker project using Cellular Automata [69.82087064086666]
Cellular Automata (CA) を用いたBiome Makerプロジェクトについて紹介する。
バイオメーカーCAでは、形態形成は第一級の市民であり、小さな種子を植物のような生物に成長させ、栄養失調環境で生き残る必要がある。
このプロジェクトによって、さまざまなモデルアーキテクチャや突然変異戦略とともに、さまざまな種類の環境や「物理学」の法則が実現可能であることを示す。
論文 参考訳（メタデータ） (2023-07-18T15:03:40Z) - Automated Scientific Discovery: From Equation Discovery to Autonomous
Discovery Systems [5.7923858184309385]
本稿では、方程式発見から記号回帰から自律的な発見システムやエージェントまで、自動的な科学的発見を調査する。
我々は、Adamシステムに関する先駆的な研究から、物質科学から天文学まで、現在の分野への取り組みまで、クローズドループ科学発見システムを紹介する。
レベル5の最大レベルは、科学的知識の創出において人間の介入を必要としないと定義されている。
論文 参考訳（メタデータ） (2023-05-03T16:35:41Z) - Learning body models: from humans to humanoids [2.855485723554975]
人間と動物は、複数の感覚のモダリティからの情報を組み合わせて、複雑な体を制御し、成長、失敗、ツールの使用に適応する。
鍵となる基礎は、エージェント(人間、動物、ロボット)が開発してきた身体の内部表現である。
脳内での体モデルの操作のメカニズムは、ほとんど不明であり、出生後の経験からどのように構築されているかは、あまり分かっていない。
論文 参考訳（メタデータ） (2022-11-06T07:30:01Z) - A Low-Cost Robot Science Kit for Education with Symbolic Regression for
Hypothesis Discovery and Validation [15.72286703649173]
次世代の物理科学には、クローズドループで設計、実行、分析が可能な自律的な物理科学システムであるロボット科学者が含まれる。
これらのシステムの構築と利用には、ML、制御システム、計測科学、材料合成、意思決定理論など、さまざまな分野の専門知識が必要となる。
我々は、低コストの自律科学者を構築するためのキットである、科学教育の次世代を提示する。
論文 参考訳（メタデータ） (2022-04-08T17:25:28Z) - Learning from learning machines: a new generation of AI technology to
meet the needs of science [59.261050918992325]
科学的な発見のためのAIの有用性を高めるための新たな機会と課題を概説する。
産業におけるAIの目標と科学におけるAIの目標の区別は、データ内のパターンを識別することと、データから世界のパターンを発見することとの間に緊張を生じさせる。
論文 参考訳（メタデータ） (2021-11-27T00:55:21Z) - Deep metric learning improves lab of origin prediction of genetically
engineered plasmids [63.05016513788047]
遺伝工学の属性(GEA)は、配列-ラブの関連を作る能力である。
本稿では,計量学習に基づいて,最も可能性の高い実験室をランク付けする手法を提案する。
我々は、特定の実験室のプラスミド配列のキーシグネチャを抽出することができ、モデル出力の解釈可能な検査を可能にする。
論文 参考訳（メタデータ） (2021-11-24T16:29:03Z) - RoboTHOR: An Open Simulation-to-Real Embodied AI Platform [56.50243383294621]
インタラクティブで具体化された視覚AIの研究を民主化するためにRoboTHORを導入する。
シミュレーションで訓練されたモデルの性能は,シミュレーションと慎重に構築された物理アナログの両方で試験される場合,大きな差があることが示される。
論文 参考訳（メタデータ） (2020-04-14T20:52:49Z)
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。