Fugu-MT 論文翻訳(概要): Uncovering symmetric and asymmetric species associations from community and environmental data

論文の概要: Uncovering symmetric and asymmetric species associations from community and environmental data

arxiv url: http://arxiv.org/abs/2507.09317v1
Date: Sat, 12 Jul 2025 15:18:36 GMT
ステータス: 翻訳完了
システム内更新日: 2025-07-15 18:48:22.963068
Title: Uncovering symmetric and asymmetric species associations from community and environmental data
Title（参考訳）: 地域・環境データによる対称・非対称な種関係の解明
Authors: Sara Si-Moussi, Esther Galbrun, Mickael Hedde, Giovanni Poggiato, Matthias Rohr, Wilfried Thuiller,
Abstract要約: 本研究では,生物群集と環境データを分析し,双方向の関連関係を検索できる機械学習フレームワークの提案と検証を行う。私たちのフレームワークは直感的で、モジュール的で、様々な分類群に広く適用されています。
参考スコア（独自算出の注目度）: 0.01649298969786889
License: http://creativecommons.org/licenses/by/4.0/
Abstract: There is no much doubt that biotic interactions shape community assembly and ultimately the spatial co-variations between species. There is a hope that the signal of these biotic interactions can be observed and retrieved by investigating the spatial associations between species while accounting for the direct effects of the environment. By definition, biotic interactions can be both symmetric and asymmetric. Yet, most models that attempt to retrieve species associations from co-occurrence or co-abundance data internally assume symmetric relationships between species. Here, we propose and validate a machine-learning framework able to retrieve bidirectional associations by analyzing species community and environmental data. Our framework (1) models pairwise species associations as directed influences from a source to a target species, parameterized with two species-specific latent embeddings: the effect of the source species on the community, and the response of the target species to the community; and (2) jointly fits these associations within a multi-species conditional generative model with different modes of interactions between environmental drivers and biotic associations. Using both simulated and empirical data, we demonstrate the ability of our framework to recover known asymmetric and symmetric associations and highlight the properties of the learned association networks. By comparing our approach to other existing models such as joint species distribution models and probabilistic graphical models, we show its superior capacity at retrieving symmetric and asymmetric interactions. The framework is intuitive, modular and broadly applicable across various taxonomic groups.
Abstract（参考訳）: 生物相互作用が共同体の集合体を形成し、究極的には種間の空間的共変を形作ることは疑いようもない。これらの生物相互作用のシグナルは、環境の直接的な影響を考慮しつつ、種間の空間的関連を調査することによって観察され、回収されることを期待している。定義上、生物相互作用は対称でも非対称でも構わない。しかし、共起データや共起データから種関連を検索しようとするほとんどのモデルは、種間の対称関係を内部的に仮定している。本稿では,生物群集と環境データを分析し,双方向の関連関係を検索できる機械学習フレームワークを提案し,検証する。本枠組みは, 原産地から標的種への直接的影響として, 原産地種の影響と, 対象種に対する応答の2種をパラメータ化し, 環境要因と生物共生の相互作用の異なる多種条件生成モデルに適合する。シミュレーションデータと実験データの両方を用いて、既知の非対称および対称な関係を復元し、学習した関連ネットワークの特性を強調した。共生種分布モデルや確率的グラフィカルモデルなどの既存モデルとの比較により、対称的相互作用と非対称的相互作用の検索において、その優れた能力を示す。このフレームワークは直感的でモジュール的で、様々な分類群に広く適用できる。

関連論文リスト

Evolution of multi-qubit correlations driven by mutual interactions [49.1574468325115]
我々は$frac12$-spinsからなる量子系の相関テンソル要素の進化を分析する。強い外部場が特定の相関特性に対して安定化因子を果たすことを示す。
論文参考訳（メタデータ） (2025-07-01T11:45:08Z)
Heterogeneous graph neural networks for species distribution modeling [6.423278804632857]
グラフニューラルネットワーク(GNN)を用いた新しい存在のみの種分布モデル(SDM)を提案する。本モデルでは, 種と位置を2つの異なるノード集合として扱い, 学習課題は, 位置と種をつなぐエッジとして検出記録を予測している。 SDMのベンチマークのためのNational Center for Ecological Analysis and Synthesis (NCEAS) によってコンパイルされた6領域データセット上で,本手法の可能性を評価する。
論文参考訳（メタデータ） (2025-03-14T22:08:30Z)
Cognitive Evolutionary Learning to Select Feature Interactions for Recommender Systems [59.117526206317116]
Cellはさまざまなタスクやデータに対して,さまざまなモデルに適応的に進化可能であることを示す。 4つの実世界のデータセットの実験では、細胞は最先端のベースラインを大幅に上回っている。
論文参考訳（メタデータ） (2024-05-29T02:35:23Z)
InterHandGen: Two-Hand Interaction Generation via Cascaded Reverse Diffusion [53.90516061351706]
両手インタラクションに先立って生成を学習する新しいフレームワークであるInterHandGenを提案する。サンプリングにアンチペネティフィケーションと合成フリーガイダンスを組み合わせることで、プラウシブルな生成を可能にする。本手法は, 妥当性と多様性の観点から, ベースライン生成モデルよりも有意に優れていた。
論文参考訳（メタデータ） (2024-03-26T06:35:55Z)
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)
Predicting the long-term collective behaviour of fish pairs with deep learning [52.83927369492564]
本研究では,魚種Hemigrammus rhodostomusの社会的相互作用を評価するための深層学習モデルを提案する。我々は、ディープラーニングのアプローチの結果と実験結果と、最先端の分析モデルの結果を比較した。機械学習モデルにより、ソーシャルインタラクションは、微妙な実験的観測可能な解析的相互作用と直接競合できることを実証する。
論文参考訳（メタデータ） (2023-02-14T05:25:03Z)
On the Symmetries of Deep Learning Models and their Internal Representations [1.418465438044804]
我々は、モデルのファミリーのアーキテクチャから生じる対称性と、そのファミリーの内部データ表現の対称性を結びつけることを目指している。我々の研究は、ネットワークの対称性が、そのネットワークのデータ表現の対称性に伝播されることを示唆している。
論文参考訳（メタデータ） (2022-05-27T22:29:08Z)
Supervised Learning and Model Analysis with Compositional Data [4.082799056366927]
KernelBiomeはカーネルベースの非パラメトリック回帰分類フレームワークである。我々は、最先端の機械学習手法と比較して、同等または改善された性能を示す。
論文参考訳（メタデータ） (2022-05-15T12:33:43Z)
Probability Link Models with Symmetric Information Divergence [1.5749416770494706]
リンクモデルの2つの一般的なクラスが提案されている。最初のモデルは2つの生存関数を結び、比例奇数や変化点のようなモデルに適用できる。 2つ目のモデルは2つの累積確率分布関数をリンクする。
論文参考訳（メタデータ） (2020-08-10T19:49:51Z)
Learning from Aggregate Observations [82.44304647051243]
本研究では,一組のインスタンスに監視信号が与えられる集合観察から学習する問題について検討する。本稿では,多種多様な集合観測に適合する一般的な確率的枠組みを提案する。単純な極大解は様々な微分可能なモデルに適用できる。
論文参考訳（メタデータ） (2020-04-14T06:18:50Z)
A Sparse Graph-Structured Lasso Mixed Model for Genetic Association with Confounding Correction [28.364820868064893]
本稿では,特徴量からの関連性情報をデータセットに組み込んだグラフ構造化線形混合モデル(sGLMM)を提案する。提案モデルは他の既存手法よりも優れており,人口構造と共有信号の両方から相関関係をモデル化できることを示す。また、本モデルで発見されたヒトアルツハイマー病の因果遺伝子変異について検討し、最も重要な遺伝子座のいくつかを正当化する。
論文参考訳（メタデータ） (2017-11-11T16:01:53Z)

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。