論文の概要: Extending a Phylogeny-based Method for Detecting Signatures of Multi-level Selection for Applications in Artificial Life

• arxiv url: http://arxiv.org/abs/2508.14232v1
• Date: Tue, 19 Aug 2025 19:42:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-21 16:52:41.258902
• Title: Extending a Phylogeny-based Method for Detecting Signatures of Multi-level Selection for Applications in Artificial Life
• Title（参考訳）: 人工生命への応用のための多段階選択の署名検出のためのフィロジェニー法の拡張
• Authors: Matthew Andres Moreno, Sanaz Hasanzadeh Fard, Luis Zaman, Emily Dolson,
• Abstract要約: 多段階選択は、短期的な個人レベルの生殖利害が長期的なグループレベルのフィットネス効果と矛盾する場合に起こる。 Bonetti Franceschi & Volz (2024) は、偶然に予想されるよりも頻繁に集団に現れる突然変異をスクリーニングすることで、多段階選択のダイナミクスを検出することを提案した。 ここでは,エージェント・ベース・モデリングと既知の基礎的真理を用いて,このアプローチの有効性を評価する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Multilevel selection occurs when short-term individual-level reproductive interests conflict with longer-term group-level fitness effects. Detecting and quantifying this phenomenon is key to understanding evolution of traits ranging from multicellularity to pathogen virulence. Multilevel selection is particularly important in artificial life research due to its connection to major evolutionary transitions, a hallmark of open-ended evolution. Bonetti Franceschi & Volz (2024) proposed to detect multilevel selection dynamics by screening for mutations that appear more often in a population than expected by chance (due to individual-level fitness benefits) but are ultimately associated with negative longer-term fitness outcomes (i.e., smaller, shorter-lived descendant clades). Here, we use agent-based modeling with known ground truth to assess the efficacy of this approach. To test these methods under challenging conditions broadly comparable to the original dataset explored by Bonetti Franceschi & Volz (2024), we use an epidemiological framework to model multilevel selection in trade-offs between within-host growth rate and between-host transmissibility. To achieve success on our in silico data, we develop an alternate normalization procedure for identifying clade-level fitness effects. We find the method to be sensitive in detecting genome sites under multilevel selection with 30% effect sizes on fitness, but do not see sensitivity to smaller 10% mutation effect sizes. To test the robustness of this methodology, we conduct additional experiments incorporating extrinsic, time-varying environmental changes and adaptive turnover in population compositions, and find that screen performance remains generally consistent with baseline conditions. This work represents a promising step towards rigorous generalizable quantification of multilevel selection effects.
• Abstract（参考訳）: 多段階選択は、短期的な個人レベルの生殖利害が長期的なグループレベルのフィットネス効果と矛盾する場合に起こる。 この現象の検出と定量化は、多細胞性から病原体の病原性まで幅広い形質の進化を理解するための鍵となる。 マルチレベル選択は、大きな進化遷移と結びついているため、特に人工生命研究において重要である。 Bonetti Franceschi & Volz (2024) は、偶然に予想されるよりも頻繁に現れる突然変異をスクリーニングすることで、多段階選択のダイナミクスを検出することを提案した。 ここでは,エージェント・ベース・モデリングと既知の基礎的真理を用いて,このアプローチの有効性を評価する。 ボネッティ・フランチェスキ・アンド・ボルツ(2024年)が探索した当初のデータセットに匹敵する課題条件下でこれらの手法をテストするために,我々は,ホスト内成長速度とホスト間透過率のトレードオフにおける多段階選択をモデル化するための疫学的枠組みを用いた。 サイリコデータ上での成功を達成するために,クレードレベルのフィットネス効果を識別するための代替正規化手法を開発した。 本手法は, 適合度に30%の効力を有する多段階選択で検出できるが, 10%の突然変異効果に感受性は認められない。 本手法のロバスト性をテストするため, 人口構成に外在的, 時間的変化のある環境変化と適応的転倒を取り入れた追加実験を行い, 画面性能が基準条件と概ね一致していることを見出した。 この研究は、多レベル選択効果の厳密な一般化可能な定量化に向けた有望なステップである。

関連論文リスト

• Optimizing Skin Lesion Classification via Multimodal Data and Auxiliary Task Integration [54.76511683427566]
  本研究は, スマートフォンで撮影した画像と本質的な臨床および人口統計情報を統合することで, 皮膚病変を分類する新しいマルチモーダル手法を提案する。 この手法の特徴は、超高解像度画像予測に焦点を当てた補助的なタスクの統合である。 PAD-UFES20データセットを用いて,様々なディープラーニングアーキテクチャを用いて実験を行った。
  論文  参考訳（メタデータ） (2024-02-16T05:16:20Z)
• Accurate and Definite Mutational Effect Prediction with Lightweight Equivariant Graph Neural Networks [2.381587712372268]
  本研究では,野生型タンパク質の微小環境を効率的に解析する軽量なグラフ表現学習手法を提案する。 私たちのソリューションは、コミュニティにとって理想的な選択肢となる、幅広いメリットを提供します。
  論文  参考訳（メタデータ） (2023-04-13T09:51:49Z)
• When to be critical? Performance and evolvability in different regimes of neural Ising agents [18.536813548129878]
  臨界状態に近い状態での操作は、自然、人工的およびそれらの進化システムにとって有益である、という仮説は長年にわたって仮説化されてきた。 我々はこの仮説を、ニューラルネットワークによって制御される進化的捕食エージェントのシステムでテストする。 驚くべきことに、ソリューションを発見するすべての人口は、亜臨界状態へと進化する。
  論文  参考訳（メタデータ） (2023-03-28T17:57:57Z)
• In Search of Insights, Not Magic Bullets: Towards Demystification of the Model Selection Dilemma in Heterogeneous Treatment Effect Estimation [92.51773744318119]
  本稿では,異なるモデル選択基準の長所と短所を実験的に検討する。 選択戦略,候補推定器,比較に用いるデータの間には,複雑な相互作用があることを強調した。
  論文  参考訳（メタデータ） (2023-02-06T16:55:37Z)
• InForecaster: Forecasting Influenza Hemagglutinin Mutations Through the Lens of Anomaly Detection [3.5213888068272197]
  異常検出(AD)は機械学習(ML)において確立された分野である 我々は,異常検出(AD)によってこの問題に取り組むことを提案する。 公開されている4つのデータセットに対して、多数の実験を行います。
  論文  参考訳（メタデータ） (2022-10-25T02:08:09Z)
• Biological Sequence Design with GFlowNets [75.1642973538266]
  望ましい性質を持つデノボ生物配列の設計には、数ラウンドの分子のアイデアと高価なウェットラブ評価を伴う活性ループが伴うことが多い。 これにより、提案された候補の多様性は、構想段階において重要な考慮事項となる。 本稿では,不確実性推定と近年提案されているGFlowNetを多種多様な候補解の生成元として活用した能動的学習アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-03-02T15:53:38Z)
• Flexible variable selection in the presence of missing data [0.0]
  本稿では,非パラメトリックな変数選択アルゴリズムと多重計算を組み合わせることで,非ランダムなデータが存在する場合のフレキシブルなパネルの開発を行う。 提案手法の動作特性は良好であり,より高い分類性能と可変選択性能を有するパネルが得られた。
  論文  参考訳（メタデータ） (2022-02-25T21:41:03Z)
• Select-ProtoNet: Learning to Select for Few-Shot Disease Subtype Prediction [55.94378672172967]
  本研究は, 類似患者のサブグループを同定し, 数発の疾患のサブタイプ予測問題に焦点を当てた。 新しいモデルを開発するためにメタラーニング技術を導入し、関連する臨床課題から共通の経験や知識を抽出する。 我々の新しいモデルは、単純だが効果的なメタ学習マシンであるPrototypeal Networkと呼ばれる、慎重に設計されたメタラーナーに基づいて構築されている。
  論文  参考訳（メタデータ） (2020-09-02T02:50:30Z)

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。