論文の概要: Modeling Bioelectric State Transitions in Glial Cells: An ASAL-Inspired Computational Approach to Glioblastoma Initiation

• arxiv url: http://arxiv.org/abs/2511.19520v1
• Date: Mon, 24 Nov 2025 04:59:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-26 17:37:04.068984
• Title: Modeling Bioelectric State Transitions in Glial Cells: An ASAL-Inspired Computational Approach to Glioblastoma Initiation
• Title（参考訳）: グリア細胞における生体電気的状態遷移のモデル化 : ASALによるグリオ芽腫発生への計算的アプローチ
• Abstract要約: この研究は、グリア細胞の生体電気的状態遷移をシミュレートするASALにインスパイアされたエージェントベースのフレームワークを導入する。 6万段以上の64x64マルチセルグリッドを用いて,臨界閾値以下でMeffを減少させると脱分極,ATP崩壊,ROSが持続することを示した。 さらに, 遺伝的アルゴリズムとMAP-Elitesを応用して, レジリエンス, パラメータ感度, 腫瘍様アトラクタの出現を探索する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Understanding how glioblastoma (GBM) emerges from initially healthy glial tissue requires models that integrate bioelectrical, metabolic, and multicellular dynamics. This work introduces an ASAL-inspired agent-based framework that simulates bioelectric state transitions in glial cells as a function of mitochondrial efficiency (Meff), ion-channel conductances, gap-junction coupling, and ROS dynamics. Using a 64x64 multicellular grid over 60,000 simulation steps, we show that reducing Meff below a critical threshold (~0.6) drives sustained depolarization, ATP collapse, and elevated ROS, reproducing key electrophysiological signatures associated with GBM. We further apply evolutionary optimization (genetic algorithms and MAP-Elites) to explore resilience, parameter sensitivity, and the emergence of tumor-like attractors. Early evolutionary runs converge toward depolarized, ROS-dominated regimes characterized by weakened electrical coupling and altered ionic transport. These results highlight mitochondrial dysfunction and disrupted bioelectric signaling as sufficient drivers of malignant-like transitions and provide a computational basis for probing the bioelectrical origins of oncogenesis.
• Abstract（参考訳）: グリオ芽腫(GBM)が最初に健康なグリア組織からどのように出現するかを理解するには、生体電気学、代謝学、多細胞動態学を統合するモデルが必要である。 この研究は、ミトコンドリア効率(Meff)、イオンチャネルコンダクタンス、ギャップ-ジャンクション結合、ROSダイナミクスの関数としてグリア細胞の生体電気的状態遷移をシミュレートするASALにインスパイアされたエージェントベースのフレームワークを導入する。 6万のシミュレーションステップで64x64のマルチセルグリッドを用いて、Meffを臨界閾値(~0.6)以下に減らし、脱分極、ATP崩壊、ROSの上昇を持続させ、GBMに関連する重要な電気生理学的シグネチャを再現することを示した。 さらに, 遺伝的アルゴリズムとMAP-Elitesを応用して, レジリエンス, パラメータ感度, 腫瘍様アトラクタの出現を探索する。 初期の進化過程は、電気的結合の弱化とイオン輸送の変化を特徴とする脱分極、ROS支配的な状態へと収束する。 これらの結果はミトコンドリア機能障害と生体電気シグナル伝達の障害を悪性転移の十分なドライバとして強調し、腫瘍発生の生起源を明らかにするための計算基盤を提供する。

関連論文リスト

• GGBound: A Genome-Grounded Agent for Microbial Life-Boundary Prediction [16.245500767957697]
  微生物株の生理的生活境界を特徴付けることは、バイオテクノロジーと生態学の中心である。 既存の計算手法では、生理的特性を独立した教師対象として扱うか、または静的エンコーダとして生物学的基礎モデルを扱う。 微生物のライフバウンダリ予測を統合ゲノム・生理的タスクとして定式化し,ツール拡張LDMエージェントで処理する。
  論文  参考訳（メタデータ） (2026-05-14T06:37:55Z)
• Lingshu-Cell: A generative cellular world model for transcriptome modeling toward virtual cells [48.885716676667776]
  Lingshu-Cellは、転写状態の分布を学習し、摂動下で条件シミュレーションをサポートする離散拡散モデルである。 約18,000の遺伝子にまたがる複雑なトランスクリプトーム全体の発現依存性を、以前の遺伝子選択に頼らずに捕捉する。 これは、Virtual Cell Challenge H1遺伝子摂動ベンチマークにおいて、ヒトPBMCのサイトカイン誘発反応の予測において、主要な性能を発揮する。
  論文  参考訳（メタデータ） (2026-03-26T09:46:27Z)
• MIOFlow 2.0: A unified framework for inferring cellular stochastic dynamics from single cell and spatial transcriptomics data [47.97758608694957]
  We introduced Interpolating Manifold-Transport Flow (MIOFlow) 2.0。 この枠組みは、多様体学習、最適輸送、神経微分方程式を統合することにより、生物学的に情報を得た細胞軌道を学習する。 合成データセット、胚体分化、空間的に解決されたアクソロトル脳再生で検証される。
  論文  参考訳（メタデータ） (2026-03-23T20:49:45Z)
• Brain-WM: Brain Glioblastoma World Model [56.45393372490125]
  我々は、次世代治療予測と将来のMRI生成を統一する先駆的なGBMワールドモデルであるBrain-WMを提案する。 Brain-WMは、潜在ダイナミクスを共有潜在空間に符号化し、関節自己回帰治療予測とフローベース将来のMRI生成を行う。 最終的にBrain-WMは、患者医療を最適化するための堅牢な臨床サンドボックスを提供する。
  論文  参考訳（メタデータ） (2026-03-08T09:54:08Z)
• Latent Causal Diffusions for Single-Cell Perturbation Modeling [83.47931153555321]
  測定ノイズ下で観察された定常拡散過程として単細胞遺伝子発現をフレーム化する生成モデルを提案する。 LCDはシングルセルRNAシークエンシングスクリーンにおいて、目に見えない摂動の組み合わせの分布変化を予測するために確立されたアプローチより優れていた。 我々は、摂動応答(CLIPR)を介して因果線形化と呼ばれるアプローチを開発し、全ての遺伝子間の直接的な因果効果を近似する。
  論文  参考訳（メタデータ） (2026-01-20T16:15:38Z)
• Learning Cell-Aware Hierarchical Multi-Modal Representations for Robust Molecular Modeling [74.25438319700929]
  分子と細胞応答の局所的グローバル依存性をモデル化する堅牢なフレームワークであるCHMR(Cell-aware Hierarchical Multi-modal Representations)を提案する。 728タスクにまたがる9つの公開ベンチマークで評価され、CHMRは最先端のベースラインを上回っている。 その結果, 階層認識型マルチモーダル学習による分子表現の信頼性, 生物学的基盤化の利点が示された。
  論文  参考訳（メタデータ） (2025-11-26T07:15:00Z)
• Digitizing Spermatogenesis Lineage at Nanoscale Resolution In Tissue-Level Electron Microscopy [12.470262476858053]
  DeepOrganelleは、異なる細胞タイプ内でオルガネラを分節し、抽出し、統計的定量分析を行い、オルガネラの形態や相互作用の空間分布を可視化し、定量化することができる。 ミトコンドリア(ミトコンドリア)-小胞体(ER)接触の波状パターンを解明し、特にStage X pachyteneにおいて顕著な増加を示した。
  論文  参考訳（メタデータ） (2025-11-02T05:19:59Z)
• CFM-GP: Unified Conditional Flow Matching to Learn Gene Perturbation Across Cell Types [7.197454335008732]
  細胞型非依存的遺伝子摂動予測法であるCFM-GPを提案する。 CFM-GPは、摂動遺伝子と摂動遺伝子発現の連続的、時間依存的な変換を学習する。 SARS-CoV-2感染, IFN-β刺激PBMCs, グリオ芽腫パノビノスタット, IFN-β刺激下でのループス, およびStatefate前駆者運命マッピングの5つのデータセットについて検討した。
  論文  参考訳（メタデータ） (2025-08-09T00:00:17Z)
• A scalable gene network model of regulatory dynamics in single cells [88.48246132084441]
  本稿では,遺伝子ネットワーク構造を結合微分方程式に組み込んで,遺伝子制御関数をモデル化する機能的学習可能モデルFLeCSを提案する。 FLeCS は (pseudo) 時系列の単一セルデータから, セルの動態を正確に推定する。
  論文  参考訳（メタデータ） (2025-03-25T19:19:21Z)
• CellFlux: Simulating Cellular Morphology Changes via Flow Matching [44.8979602893102]
  本稿では,化学および遺伝的摂動による細胞形態変化をシミュレートする画像生成モデルであるCellFluxを紹介する。 CellFluxは生物学的に意味のある細胞画像を生成し、摂動特異的な形態変化を忠実に捉える。 これらの能力は、生体医学研究のための仮想細胞モデリングの実現に向けた重要な一歩である。
  論文  参考訳（メタデータ） (2025-02-13T21:10:00Z)
• Multi-Modal and Multi-Attribute Generation of Single Cells with CFGen [76.02070962797794]
  本研究では、単一セルデータ固有の離散性を保存するフローベースの条件生成モデルであるCellFlow for Generation (CFGen)を紹介する。 CFGenは、全ゲノムマルチモーダル単一セルデータを確実に生成し、重要な生物学的データ特性の回復を改善する。
  論文  参考訳（メタデータ） (2024-07-16T14:05:03Z)
• Mixed Models with Multiple Instance Learning [51.440557223100164]
  一般化線形混合モデル(GLMM)とMultiple Instance Learning(MIL)を統合するフレームワークであるMixMILを紹介する。 実験結果から,MixMILは単一セルデータセットにおいて既存のMILモデルより優れていることがわかった。
  論文  参考訳（メタデータ） (2023-11-04T16:42:42Z)
• Conditional Generative Models for Simulation of EMG During Naturalistic Movements [45.698312905115955]
  本稿では、運動単位活性化電位波形を生成するために、逆向きに訓練された条件付き生成ニューラルネットワークを提案する。 本研究では,より少ない数の数値モデルの出力を高い精度で予測的に補間できることを実証する。
  論文  参考訳（メタデータ） (2022-11-03T14:49:02Z)

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。