論文の概要: Glucagon and insulin production in pancreatic cells modeled using Petri nets and Boolean networks
- arxiv url: http://arxiv.org/abs/2504.21578v1
- Date: Wed, 30 Apr 2025 12:36:02 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-09 18:55:33.095475
- Title: Glucagon and insulin production in pancreatic cells modeled using Petri nets and Boolean networks
- Title（参考訳）: ペトリネットとブールネットワークを用いた膵細胞におけるグルカゴンおよびインスリン産生
- Authors: Kamila Barylska, Frank Delaplace, Anna Gogolińska, Ewa Pańkowska,
- Abstract要約: 糖尿病 (diabetes) は、血液中のグルコース濃度を一定に高めることによって特徴づけられる文明性慢性疾患である。
これらのプロセスをよりよく理解するために、私たちは、体内のグルコース調節のペトリネットモデルを作成することを目標にしました。
本稿では,膵β細胞におけるインスリン分泌のペトリネットモデル,および膵α細胞におけるグルカゴンについて紹介する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Diabetes is a civilization chronic disease characterized by a constant elevated concentration of glucose in the blood. Many processes are involved in the glucose regulation, and their interactions are very complex. To better understand those processes we set ourselves a goal to create a Petri net model of the glucose regulation in the whole body. So far we have managed to create a model of glycolysis and synthesis of glucose in the liver, and the general overview models of the glucose regulation in a healthy and diabetic person. In this paper we introduce Petri nets models of insulin secretion in beta cell of the pancreas, and glucagon in the pancreas alpha cells. Those two hormones have mutually opposite effects: insulin preventing hyperglycemia, and glucagon preventing hypoglycemia. Understanding the mechanisms of insulin and glucagon secretion constitutes the basis for understanding diabetes. We also present a model in which both processes occur together, depending on the blood glucose level. The dynamics of each model is analysed. Additionally, we transform the overall insulin and glucagon secretion system to a Boolean network, following standard transformation rules.
- Abstract（参考訳）: 糖尿病 (diabetes) は、血液中のグルコース濃度を一定に高めることによって特徴づけられる文明性慢性疾患である。
多くのプロセスがグルコースの調節に関与しており、それらの相互作用は非常に複雑である。
これらのプロセスをよりよく理解するために、私たちは、体内のグルコース調節のペトリネットモデルを作成することを目標にしました。
これまで我々は、肝臓におけるグルコースの糖分解と合成のモデルを作成し、健康および糖尿病患者のグルコース調節の概観モデルを作成してきた。
本稿では,膵β細胞におけるインスリン分泌のペトリネットモデル,および膵α細胞におけるグルカゴンについて紹介する。
これら2つのホルモンは、インスリンによる高血糖の予防とグルカゴンによる低血糖の予防という、互いに逆の効果を持つ。
インスリンとグルカゴン分泌のメカニズムを理解することは、糖尿病を理解する基盤となる。
また、血糖値に応じて、両方のプロセスが一緒に起こるモデルも提示する。
各モデルの力学は解析される。
さらに,インスリンおよびグルカゴン分泌系全体を,標準変換規則に従ってブールネットワークに変換する。
関連論文リスト
- GlucoLens: Explainable Postprandial Blood Glucose Prediction from Diet and Physical Activity [6.292642131180376]
食後の血糖値が正常値を超えることを特徴とする先天性高血糖は,2型糖尿病の進行を示す重要な指標である。
GlucoLensは、食事、活動、および最近のグルコースパターンからPAUCおよび高血糖を予測するための、説明可能な機械学習アプローチである。
論文 参考訳（メタデータ） (2025-03-05T22:10:14Z) - Blood Glucose Level Prediction in Type 1 Diabetes Using Machine Learning [0.0]
1型糖尿病の人は毎日人工インスリンが必要です。
糖尿病管理において、連続血糖モニタリングは、ほぼリアルタイムな血糖データを提供する重要な特徴である。
本研究では, 機械学習ツール, ディープニューラルネットワーク, ディープ強化学習, 投票と回帰器を併用して血糖値の予測を行った。
論文 参考訳（メタデータ） (2025-01-30T21:00:38Z) - From Glucose Patterns to Health Outcomes: A Generalizable Foundation Model for Continuous Glucose Monitor Data Analysis [47.23780364438969]
本稿では,CGMデータの生成基盤モデルであるGluFormerについて紹介する。
GluFormerは、異なる民族や年齢、5つの国、8つのCGMデバイス、多様な病態状態にまたがる19の外部コホートに一般化する。
CGMデータと12年間のフォローアップを持つ580人の成人の縦断的研究において、GluFormerは血液HbA1C%よりも糖尿病を効果的に発症するリスクが高い個人を特定する。
論文 参考訳（メタデータ） (2024-08-20T13:19:06Z) - GlycanML: A Multi-Task and Multi-Structure Benchmark for Glycan Machine Learning [35.818061926699336]
グリカンMLベンチマークは、グリカン分類学予測、グリカン免疫原性予測、グリコシル化型予測、タンパク質-グリカン相互作用予測など様々なタスクからなる。
8つのグリカン分類予測タスクを同時に実行することにより、マルチタスク学習(MTL)アルゴリズムのためのGlycanML-MTLテストベッドを導入する。
実験結果から,マルチリレーショナルGNNを用いたグリカンのモデル化が優れており,適切なMTL法によりモデル性能が向上することが示された。
論文 参考訳（メタデータ） (2024-05-25T12:35:31Z) - Petri nets in modelling glucose regulating processes in the liver [0.0]
肝における糖分解とグルコース合成のペトリネットモデルを提案する。
我々の分析では、このモデルが異なる酵素と物質間の相互作用を捉えていることが示されている。
このモデルは、健康な人と糖尿病患者の血糖調節の全体モデルを作成するという、長年の目標の最初の要素である。
論文 参考訳（メタデータ） (2024-05-17T13:15:01Z) - Learning Absorption Rates in Glucose-Insulin Dynamics from Meal
Covariates [28.39179475412449]
食事の栄養素含量は吸収プロファイルに悪影響を及ぼすが、機械的にモデル化することは困難である。
ニューラルネットワークを用いて、個人のグルコース吸収率を予測する。
論文 参考訳（メタデータ） (2023-04-27T16:03:41Z) - Patterns Detection in Glucose Time Series by Domain Transformations and
Deep Learning [0.0]
本研究は,血糖値の今後の変動を予測することを目的としており,血糖値の低下が予想される可能性がある。
提案手法は, 有望な結果を得た4種類の糖尿病患者の実データを用いて検討した。
論文 参考訳（メタデータ） (2023-03-30T09:08:31Z) - 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) - Towards self-organized control: Using neural cellular automata to
robustly control a cart-pole agent [62.997667081978825]
我々は、カートポールエージェントを制御するために、ニューラルセルオートマトンを使用する。
我々は、Q値の推定値として出力セルの状態を用いる深層学習を用いてモデルを訓練した。
論文 参考訳（メタデータ） (2021-06-29T10:49:42Z) - Learning Graph Models for Retrosynthesis Prediction [90.15523831087269]
再合成予測は有機合成の基本的な問題である。
本稿では,前駆体分子のグラフトポロジーが化学反応中にほとんど変化しないという考え方を生かしたグラフベースのアプローチを提案する。
提案モデルでは,テンプレートフリーおよび半テンプレートベースの手法よりも高い5,3.7%の精度でトップ1の精度を実現している。
論文 参考訳（メタデータ） (2020-06-12T09:40:42Z) - Machine learning for the diagnosis of early stage diabetes using
temporal glucose profiles [0.20072624123275526]
糖尿病は慢性疾患であり、早期に疾患の検出を複雑にする長い潜伏期間を有する。
本稿では,グルコース濃度の時間変化の微妙な変化を機械学習で検出することを提案する。
多層パーセプトロン、畳み込みニューラルネットワーク、および繰り返しニューラルネットワークはいずれも85%以上の精度でインスリン抵抗の程度を同定した。
論文 参考訳（メタデータ） (2020-05-18T13:31:12Z) - Constrained Multi-shape Evolution for Overlapping Cytoplasm Segmentation [49.992392231966015]
本稿では,制約型多形進化という,新しい,効果的形状の先進的アプローチを提案する。
クランプ内のすべての重なり合う細胞質を同時に分割し、モデル化された形状によって誘導される各細胞質の形状を共同で進化させる。
形状進化においては, 局所形状前兆だけでなく, 大域形状前兆も導入することにより, セグメンテーションの強度不足を補う。
論文 参考訳（メタデータ） (2020-04-08T09:08:07Z)
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。