論文の概要: GenAI-Net: A Generative AI Framework for Automated Biomolecular Network Design

• arxiv url: http://arxiv.org/abs/2601.17582v1
• Date: Sat, 24 Jan 2026 20:27:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-27 15:23:08.001035
• Title: GenAI-Net: A Generative AI Framework for Automated Biomolecular Network Design
• Title（参考訳）: GenAI-Net: 生体分子ネットワーク設計を自動化するAIフレームワーク
• Authors: Maurice Filo, Nicolò Rossi, Zhou Fang, Mustafa Khammash,
• Abstract要約: 我々は,化学反応ネットワークの設計を自動化する生成型AIフレームワークであるGenAI-Netを紹介する。 GenAI-Netは、複数の設計タスクにまたがる、新しい、トポロジ的に多様なソリューションを効率的に生成する。
• 参考スコア（独自算出の注目度）: 3.4629273170680333
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Biomolecular networks underpin emerging technologies in synthetic biology-from robust biomanufacturing and metabolic engineering to smart therapeutics and cell-based diagnostics-and also provide a mechanistic language for understanding complex dynamics in natural and ecological systems. Yet designing chemical reaction networks (CRNs) that implement a desired dynamical function remains largely manual: while a proposed network can be checked by simulation, the reverse problem of discovering a network from a behavioral specification is difficult, requiring substantial human insight to navigate a vast space of topologies and kinetic parameters with nonlinear and possibly stochastic dynamics. Here we introduce GenAI-Net, a generative AI framework that automates CRN design by coupling an agent that proposes reactions to simulation-based evaluation defined by a user-specified objective. GenAI-Net efficiently produces novel, topologically diverse solutions across multiple design tasks, including dose responses, complex logic gates, classifiers, oscillators, and robust perfect adaptation in deterministic and stochastic settings (including noise reduction). By turning specifications into families of circuit candidates and reusable motifs, GenAI-Net provides a general route to programmable biomolecular circuit design and accelerates the translation from desired function to implementable mechanisms.
• Abstract（参考訳）: 生分子ネットワークは、堅牢なバイオ製造とメタボリックエンジニアリングから、スマート治療や細胞ベースの診断まで、合成生物学の新たな技術を支えると同時に、自然および生態システムにおける複雑な力学を理解するための力学言語を提供する。 提案するネットワークをシミュレーションで確認することは可能だが、行動仕様からネットワークを発見するという逆の問題は困難であり、トポロジと運動パラメータの広大な空間を非線形かつ確率的ダイナミクスでナビゲートするためには、かなりの人間の洞察が必要である。 本稿では、ユーザ特定目的によって定義されたシミュレーションに基づく評価に対する反応を提案するエージェントを結合することにより、CRN設計を自動化するジェネレーティブAIフレームワークであるGenAI-Netを紹介する。 GenAI-Netは、線量応答、複雑な論理ゲート、分類器、発振器、決定論的および確率的設定(ノイズリダクションを含む)における堅牢な完全適応を含む、複数の設計タスクにまたがる新しい、位相的に多様なソリューションを効率よく生成する。 GenAI-Netは、仕様を回路候補と再利用可能なモチーフのファミリーに変換することで、プログラム可能な生体分子回路設計への一般的な経路を提供し、所望の機能から実装可能なメカニズムへの変換を加速する。

関連論文リスト

• Graph Neural Network-Based Reinforcement Learning for Controlling Biological Networks: The GATTACA Framework [0.0]
  複雑な生物学的システムのネットワークモデルを制御するために, 深層強化学習(DRL)の利用について検討する。 セルリプログラミングにおける非同期更新モード下でのブールネットワークモデルに対する新しい制御問題を定式化する。 生体システムの構造を活用するため,DRLエージェントが学習した行動値関数のための人工ニューラルネットワーク近似器に,グラフ畳み込みを伴うグラフニューラルネットワークを組み込んだ。
  論文  参考訳（メタデータ） (2025-05-05T15:07:20Z)
• GENERator: A Long-Context Generative Genomic Foundation Model [66.46537421135996]
  本稿では,98k塩基対 (bp) と1.2Bパラメータからなるゲノム基盤モデル GENERator を提案する。 DNAの386Bbpからなる拡張データセットに基づいて、GENERatorは、確立されたベンチマークと新しく提案されたベンチマークの両方で最先端のパフォーマンスを実証する。 また、特に特定のアクティビティプロファイルを持つエンハンサーシーケンスを即応的に生成することで、シーケンス最適化において大きな可能性を秘めている。
  論文  参考訳（メタデータ） (2025-02-11T05:39:49Z)
• Contrastive Learning in Memristor-based Neuromorphic Systems [55.11642177631929]
  スパイクニューラルネットワークは、現代のバックプロパゲーションによって訓練されたディープネットワークに直面する重要な制約の多くを横取りする、ニューロンベースのモデルの重要なファミリーとなっている。 本研究では,前向き・後向き学習のニューロモルフィック形式であるコントラッシブ・シグナル依存型塑性(CSDP)の概念実証を設計し,検討する。
  論文  参考訳（メタデータ） (2024-09-17T04:48:45Z)
• Wet TinyML: Chemical Neural Network Using Gene Regulation and Cell Plasticity [5.9659016963634315]
  Wet TinyMLは、遺伝子制御ネットワークに基づく化学ベースのニューラルネットワークの一種である。 GRNNは、アプリケーションベースの検索プロセスを利用することで、従来の計算に使用できる。 本研究は, 細胞可塑性の誘導により, 動的システムに適合する数学的回帰進化を抽出できることを実証する。
  論文  参考訳（メタデータ） (2024-03-13T14:00:18Z)
• Automatic Implementation of Neural Networks through Reaction Networks -- Part I: Circuit Design and Convergence Analysis [9.107489906506798]
  本論文は, 物質動態を考慮したプログラム型生化学反応ネットワーク (BCRN) の導入を目的とする。 第1部では、フィードフォワード伝播計算、バックプロパゲーション成分、およびFCNNのすべてのブリッジ処理を、特定のBCRNモジュールとして創発的に設計する。
  論文  参考訳（メタデータ） (2023-11-30T07:31:36Z)
• SBMLtoODEjax: Efficient Simulation and Optimization of Biological Network Models in JAX [19.55237447763145]
  本稿では,SBMLモデルとMLサポートパイプラインをシームレスに統合する軽量ライブラリであるSBMLtoODEjaxを紹介する。 JAXの能力を利用して効率的な並列シミュレーションと最適化を行い、生物学的ネットワーク分析の研究を加速することを目的としています。
  論文  参考訳（メタデータ） (2023-07-17T12:47:33Z)
• Hybrid quantum physics-informed neural networks for simulating computational fluid dynamics in complex shapes [37.69303106863453]
  本稿では3次元Y字ミキサー内の層流をシミュレートするハイブリッド量子物理学インフォームドニューラルネットワークを提案する。 我々のアプローチは、量子モデルの表現力と物理インフォームドニューラルネットワークの柔軟性を組み合わせることで、純粋に古典的なニューラルネットワークに比べて21%高い精度を実現している。
  論文  参考訳（メタデータ） (2023-04-21T20:49:29Z)
• 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)
• 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)
• Active Predicting Coding: Brain-Inspired Reinforcement Learning for Sparse Reward Robotic Control Problems [79.07468367923619]
  ニューラルジェネレーティブ・コーディング(NGC)の神経認知計算フレームワークによるロボット制御へのバックプロパゲーションフリーアプローチを提案する。 我々は、スパース報酬から動的オンライン学習を容易にする強力な予測符号化/処理回路から完全に構築されたエージェントを設計する。 提案するActPCエージェントは,スパース(外部)報酬信号に対して良好に動作し,複数の強力なバックプロップベースのRLアプローチと競合し,性能が優れていることを示す。
  論文  参考訳（メタデータ） (2022-09-19T16:49:32Z)

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。