論文の概要: Persistent pseudopod splitting is an effective chemotaxis strategy in shallow gradients
- arxiv url: http://arxiv.org/abs/2409.09342v1
- Date: Sat, 14 Sep 2024 07:04:32 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-17 21:19:23.535075
- Title: Persistent pseudopod splitting is an effective chemotaxis strategy in shallow gradients
- Title（参考訳）: 浅勾配における持続性擬足動物分割は効果的な遊走戦略である
- Authors: Albert Alonso, Julius B. Kirkegaard, Robert G. Endres,
- Abstract要約: ケモティックアモエボイド細胞の方向性決定は,刺激依存性のアクチンリクルートコンテストとしてモデル化される。
本研究は, 細胞制御が最小限に抑えられたケモタキシー性能の機械知能を実証するものである。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Single-cell organisms and various cell types use a range of motility modes when following a chemical gradient, but it is unclear which mode is best suited for different gradients. Here, we model directional decision-making in chemotactic amoeboid cells as a stimulus-dependent actin recruitment contest. Pseudopods extending from the cell body compete for a finite actin pool to push the cell in their direction until one pseudopod wins and determines the direction of movement. Our minimal model provides a quantitative understanding of the strategies cells use to reach the physical limit of accurate chemotaxis, aligning with data without explicit gradient sensing or cellular memory for persistence. To generalize our model, we employ reinforcement learning optimization to study the effect of pseudopod suppression, a simple but effective cellular algorithm by which cells can suppress possible directions of movement. Different pseudopod-based chemotaxis strategies emerge naturally depending on the environment and its dynamics. For instance, in static gradients, cells can react faster at the cost of pseudopod accuracy, which is particularly useful in noisy, shallow gradients where it paradoxically increases chemotactic accuracy. In contrast, in dynamics gradients, cells form \textit{de novo} pseudopods. Overall, our work demonstrates mechanical intelligence for high chemotaxis performance with minimal cellular regulation.
- Abstract（参考訳）: 単細胞生物や様々な細胞は、化学勾配に従う際に様々な運動モードを使用するが、どのモードが異なる勾配に最も適しているかは分かっていない。
そこで我々は, 遊走性アモエボイド細胞の方向性決定を, 刺激依存性アクチンリクルートコンテストとしてモデル化した。
細胞体から伸びる擬足動物は、有限のアクチンプールを競い、1つの擬足動物が勝利し、動きの方向を決定するまで細胞をその方向に押し上げる。
我々の最小限のモデルは、細胞が正確な化学反応の物理的限界に達するために使用する戦略を定量的に理解し、明示的な勾配検出や永続性のためのセルメモリのないデータと整合する。
このモデルを一般化するために,我々は擬似ポッド抑制の効果を研究するために強化学習最適化を用いた。
異なる擬足動物に基づく遊走戦略は、環境とその動態によって自然に現れる。
例えば、静的勾配では、細胞は擬似ポッドの精度を犠牲にしてより高速に反応することができる。
対照的に、ダイナミックス勾配では、細胞は擬ポッドを形成する。
本研究は, 細胞制御が最小限に抑えられた, ケモタキシー性能の機械知能を実証する。
関連論文リスト
- A Differentiable Approach to Multi-scale Brain Modeling [3.5874544981360987]
本稿では,脳シミュレータBrainPyを用いたマルチスケール微分脳モデリングワークフローを提案する。
単一ニューロンレベルでは、微分可能なニューロンモデルを実装し、電気生理学的データへの適合を最適化するために勾配法を用いる。
ネットワークレベルでは、生物学的に制約されたネットワークモデルを構築するためにコネクトロミックデータを組み込む。
論文 参考訳（メタデータ） (2024-06-28T07:41:31Z) - Single Neuromorphic Memristor closely Emulates Multiple Synaptic
Mechanisms for Energy Efficient Neural Networks [71.79257685917058]
我々はこれらのシナプス機能を本質的にエミュレートするSrTiO3に基づく膜状ナノデバイスを実証する。
これらのメムリスタは、安定かつエネルギー効率の良い運転を可能にする非定常低導電系で機能する。
論文 参考訳（メタデータ） (2024-02-26T15:01:54Z) - Modeling non-genetic information dynamics in cells using reservoir computing [0.0]
イオン勾配は, 環境情報を取得し, 分析し, 応答する, 動的で汎用的な生体システムを実現する。
提案したイオン力学は,実験観測と一致した情報外部摂動に対する応答の迅速な拡散を可能にすることを実証する。
論文 参考訳（メタデータ） (2023-12-13T08:47:50Z) - Learning with Chemical versus Electrical Synapses -- Does it Make a
Difference? [61.85704286298537]
バイオインスパイアされたニューラルネットワークは、ニューラルネットワークの理解を深め、AIシステムの最先端を改善する可能性がある。
我々は,光リアルな自律走行シミュレータを用いて自律車線維持実験を行い,その性能を種々の条件下で評価する。
論文 参考訳（メタデータ） (2023-11-21T13:07:20Z) - GENOT: Entropic (Gromov) Wasserstein Flow Matching with Applications to Single-Cell Genomics [20.01834405021846]
単細胞ゲノム学は、細胞行動の理解を深め、治療や精密医療の革新を触媒している。
従来の離散的なソルバは、スケーラビリティ、プライバシ、サンプル外推定の問題によって妨げられています。
我々は、OTマップをパラメータ化するニューラルネットワークベースの解法である、ニューラルOTソルバを提案する。
本研究は, 細胞開発研究, 細胞性薬物応答モデリング, 細胞間翻訳への応用を通じて, その汎用性と堅牢性を実証する。
論文 参考訳（メタデータ） (2023-10-13T17:12:04Z) - The scaling of goals via homeostasis: an evolutionary simulation,
experiment and analysis [0.0]
本研究では, 形態形成過程における細胞の集合的知能を, ホメオスタティックプロセスの中心における目標状態をスケールアップすることによって, 行動知能に転換することを提案する。
これらの創発性形態形成因子は、その標的形態学を達成するために応力伝播ダイナミクスの使用を含む、多くの予測された特徴を示す。
本研究では, 進化が最小目標指向行動(ホメオスタティックループ)をどのように高次問題解決剤に拡大するかを, 定量的に把握するための第一歩として提案する。
論文 参考訳（メタデータ） (2022-11-15T21:48:44Z) - Brain Cortical Functional Gradients Predict Cortical Folding Patterns
via Attention Mesh Convolution [51.333918985340425]
我々は,脳の皮質ジャイロ-サルカル分割図を予測するための新しいアテンションメッシュ畳み込みモデルを開発した。
実験の結果,我々のモデルによる予測性能は,他の最先端モデルよりも優れていた。
論文 参考訳（メタデータ） (2022-05-21T14:08:53Z) - Efficient Differentiable Simulation of Articulated Bodies [89.64118042429287]
本稿では, 音素の効率的な微分可能シミュレーション法を提案する。
これにより、ボディダイナミクスを深層学習フレームワークに統合することが可能になる。
提案手法を用いて, 調音システムによる強化学習を高速化できることを示す。
論文 参考訳（メタデータ） (2021-09-16T04:48:13Z) - Constrained plasticity reserve as a natural way to control frequency and
weights in spiking neural networks [0.0]
細胞動力学は神経細胞が激しいシグナルをフィルターして、ニューロンの発火速度を安定させるのにどのように役立つかを示す。
このようなアプローチは、AIシステムの堅牢性を改善するために、機械学習領域で使用される可能性がある。
論文 参考訳（メタデータ） (2021-03-15T05:22:14Z) - Towards Efficient Processing and Learning with Spikes: New Approaches
for Multi-Spike Learning [59.249322621035056]
各種タスクにおける他のベースラインよりも優れた性能を示すための2つの新しいマルチスパイク学習ルールを提案する。
特徴検出タスクでは、教師なしSTDPの能力と、その制限を提示する能力を再検討する。
提案した学習ルールは,特定の制約を適用せずに,幅広い条件で確実にタスクを解くことができる。
論文 参考訳（メタデータ） (2020-05-02T06:41:20Z) - Rapidly Adaptable Legged Robots via Evolutionary Meta-Learning [65.88200578485316]
本稿では,ロボットが動的変化に迅速に適応できるメタ学習手法を提案する。
提案手法は高雑音環境における動的変化への適応性を著しく改善する。
我々は、動的に変化しながら歩くことを学習する四足歩行ロボットに対するアプローチを検証する。
論文 参考訳（メタデータ） (2020-03-02T22:56:27Z)
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。