論文の概要: Unleashing the power of computational insights in revealing the complexity of biological systems in the new era of spatial multi-omics
- arxiv url: http://arxiv.org/abs/2509.13376v1
- Date: Tue, 16 Sep 2025 07:13:54 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-09-18 18:41:50.575433
- Title: Unleashing the power of computational insights in revealing the complexity of biological systems in the new era of spatial multi-omics
- Title（参考訳）: 空間マルチオミクスの新時代における生物学的システムの複雑さを明らかにするための計算的洞察力の解放
- Authors: Zhiwei Fan, Tiangang Wang, Kexin Huang, Binwu Ying, Xiaobo Zhou,
- Abstract要約: 空間オミクス技術の最近の進歩は、前例のない解像度で生物学的システムを研究する能力に革命をもたらした。
我々は、高度な機械学習アルゴリズムとマルチオミクス統合モデリングが、複雑な生物学的プロセスをどのようにデコードできるかを示す。
精密医療における技術革新と空間オミクスのモデリングの方向性について概説する。
- 参考スコア（独自算出の注目度）: 13.748436720425794
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Recent advances in spatial omics technologies have revolutionized our ability to study biological systems with unprecedented resolution. By preserving the spatial context of molecular measurements, these methods enable comprehensive mapping of cellular heterogeneity, tissue architecture, and dynamic biological processes in developmental biology, neuroscience, oncology, and evolutionary studies. This review highlights a systematic overview of the continuous advancements in both technology and computational algorithms that are paving the way for a deeper, more systematic comprehension of the structure and mechanisms of mammalian tissues and organs by using spatial multi-omics. Our viewpoint demonstrates how advanced machine learning algorithms and multi-omics integrative modeling can decode complex biological processes, including the spatial organization and topological relationships of cells during organ development, as well as key molecular signatures and regulatory networks underlying tumorigenesis and metastasis. Finally, we outline future directions for technological innovation and modeling insights of spatial omics in precision medicine.
- Abstract（参考訳）: 空間オミクス技術の最近の進歩は、前例のない解像度で生物学的システムを研究する能力に革命をもたらした。
分子計測の空間的文脈を保存することにより、これらの手法は、発達生物学、神経科学、腫瘍学、進化研究における細胞不均一性、組織構造、動的生物学的過程の包括的マッピングを可能にする。
本稿では, 哺乳類の組織や器官の構造と機構を, 空間的マルチオミクスを用いてより深く, より系統的に理解するための, 技術と計算アルゴリズムの双方の継続的な進歩について, 体系的に概観する。
我々の視点は、高度な機械学習アルゴリズムとマルチオミクス統合モデルが、臓器発生中の細胞の空間的構造やトポロジカルな関係、および腫瘍遺伝と転移の基盤となる重要な分子的シグネチャと制御ネットワークを含む複雑な生物学的過程をデコードする方法を示している。
最後に, 精密医療における技術革新の方向性と空間オミクスの知見のモデル化について概説する。
関連論文リスト
- Mind Meets Space: Rethinking Agentic Spatial Intelligence from a Neuroscience-inspired Perspective [53.556348738917166]
エージェントAIの最近の進歩は、自律的なタスク実行と言語に基づく推論が可能なシステムにつながっている。
人間の空間知能は、統合された多感覚知覚、空間記憶、認知マップに根ざし、非構造環境における柔軟でコンテキスト対応の意思決定を可能にする。
論文 参考訳（メタデータ） (2025-09-11T05:23:22Z) - AI-powered virtual tissues from spatial proteomics for clinical diagnostics and biomedical discovery [4.608421774700912]
生体組織のための基盤モデルフレームワークであるVirTuesを,分子,細胞,組織規模で運用する。
VirTuesは、空間次元とマーカー次元の両方をキャプチャする新しいトークン化スキームを含む、トランスフォーマーアーキテクチャ設計の革新を導入している。
ジェネラリストモデルとして、VirTuesは、臨床診断、生物学的発見、患者ケース検索タスクにまたがる既存のアプローチより優れている。
論文 参考訳（メタデータ） (2025-01-10T15:17:27Z) - Enhancing learning in spiking neural networks through neuronal heterogeneity and neuromodulatory signaling [52.06722364186432]
人工ニューラルネットワーク(ANN)の強化のための生物学的インフォームドフレームワークを提案する。
提案したデュアルフレームアプローチは、多様なスパイキング動作をエミュレートするためのスパイキングニューラルネットワーク(SNN)の可能性を強調している。
提案手法は脳にインスパイアされたコンパートメントモデルとタスク駆動型SNN, バイオインスピレーション, 複雑性を統合している。
論文 参考訳（メタデータ） (2024-07-05T14:11:28Z) - Knowledge-driven Subspace Fusion and Gradient Coordination for Multi-modal Learning [14.1062929554591]
マルチモーダル学習は癌診断と予後において重要な役割を担っている。
現在のディープラーニングに基づくマルチモーダルアプローチは、ゲノム学と組織学のデータの間の複雑な相関をモデル化する能力によって制限されることが多い。
本稿では, 生物学的に解釈し, 堅牢なマルチモーダル学習フレームワークを提案し, ヒストロジー画像とゲノム学を効率的に統合する。
論文 参考訳（メタデータ） (2024-06-20T04:01:35Z) - Neural Echos: Depthwise Convolutional Filters Replicate Biological
Receptive Fields [56.69755544814834]
哺乳類網膜で観察される生体受容野を,深部核が効果的に複製していることを示す証拠を提示する。
生体受容の分野からインスピレーションを得る手法を提案する。
論文 参考訳（メタデータ） (2024-01-18T18:06:22Z) - Probing Biological and Artificial Neural Networks with Task-dependent
Neural Manifolds [12.037840490243603]
本稿では,ニューラルネットワークの内部機構について,ニューラル集団幾何学のレンズを用いて検討する。
学習目的の違いが,これらのモデルの組織戦略の違いにどのように影響するかを定量的に評価する。
これらの分析は、ニューラルネットワークにおける機械的および規範的理論を神経集団幾何学を通してブリッジする強力な方向を示す。
論文 参考訳（メタデータ） (2023-12-21T20:40:51Z) - Brain-Inspired Machine Intelligence: A Survey of
Neurobiologically-Plausible Credit Assignment [65.268245109828]
本稿では,神経生物学にインスパイアされた,あるいは動機付けられた人工ニューラルネットワークにおける信用割当を行うアルゴリズムについて検討する。
我々は、脳にインスパイアされた学習スキームを6つの一般的なファミリーにまとめ、これらを誤りのバックプロパゲーションの文脈で検討する。
本研究の成果は,神経ミメティックシステムとその構成的学習プロセスの今後の発展を促進することを目的としている。
論文 参考訳（メタデータ） (2023-12-01T05:20:57Z) - Neuronal Auditory Machine Intelligence (NEURO-AMI) In Perspective [0.0]
ニューラル・オーディトリー・マシン・インテリジェンス(Neuro-AMI)と競合するバイオインスパイアされた連続学習型ニューラル・ニューラル・ニューラル・ニューラル・インテリジェンス(Neuro-AMI)の概要を述べる。
本稿では,ニューラル・オーディトリー・マシン・インテリジェンス(Neuro-AMI)と競合するバイオインスパイアされた連続学習型ニューラル・ラーニング・ツールについて概説する。
論文 参考訳（メタデータ） (2023-10-14T13:17:58Z) - Contrastive-Signal-Dependent Plasticity: Self-Supervised Learning in Spiking Neural Circuits [61.94533459151743]
この研究は、スパイキングネットワークのシナプスを調整するための神経生物学的に動機づけられたスキームを設計することの課題に対処する。
我々の実験シミュレーションは、繰り返しスパイクネットワークを訓練する際、他の生物学的に証明可能なアプローチに対して一貫した優位性を示す。
論文 参考訳（メタデータ） (2023-03-30T02:40:28Z) - Machine Learning for Uncovering Biological Insights in Spatial
Transcriptomics Data [0.0]
マルチセルシステムの開発とホメオスタシスは、空間分子パターンの形成と維持に精巧な制御を必要とする。
空間転写学(ST)の進歩は、革新的な機械学習(ML)ツールの急速な開発につながっている。
MLが対応できる主要なST分析目標と現在の分析トレンドを要約する。
論文 参考訳（メタデータ） (2023-03-29T14:22:08Z) - Machine Learning in Nano-Scale Biomedical Engineering [77.75587007080894]
ナノスケールバイオメディカルエンジニアリングにおける機械学習の利用に関する既存の研究について概説する。
ML問題として定式化できる主な課題は、3つの主要なカテゴリに分類される。
提示された方法論のそれぞれについて、その原則、応用、制限に特に重点を置いている。
論文 参考訳（メタデータ） (2020-08-05T15:45:54Z)
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。