論文の概要: PREFER: An Ontology for the PREcision FERmentation Community
- arxiv url: http://arxiv.org/abs/2602.16755v1
- Date: Wed, 18 Feb 2026 09:29:30 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-02-20 15:21:28.275967
- Title: PREFER: An Ontology for the PREcision FERmentation Community
- Title（参考訳）: Prefer:Precision fermentation Communityのオントロジー
- Authors: Txell Amigó, Shawn Zheng Kai Tan, Angel Luu Phanthanourak, Sebastian Schulz, Pasquale D. Colaianni, Dominik M. Maszczyk, Ester Milesi, Ivan Schlembach, Mykhaylo Semenov Petrov, Marta Reventós Montané, Lars K. Nielsen, Jochen Förster, Bernhard Ø. Palsson, Suresh Sudarsan, Alberto Santos,
- Abstract要約: PreFERは、バイオプロセスデータの統一標準を確立するために設計されたオープンソースのオントロジーである。
PreFERは広く採用されているBasic Formal Ontology(BFO)と連携して構築されている。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Precision fermentation relies on microbial cell factories to produce sustainable food, pharmaceuticals, chemicals, and biofuels. Specialized laboratories such as biofoundries are advancing these processes using high-throughput bioreactor platforms, which generate vast datasets. However, the lack of community standards limits data accessibility and interoperability, preventing integration across platforms. In order to address this, we introduce PREFER, an open-source ontology designed to establish a unified standard for bioprocess data. Built in alignment with the widely adopted Basic Formal Ontology (BFO) and connecting with several other community ontologies, PREFER ensures consistency and cross-domain compatibility and covers the whole precision fermentation process. Integrating PREFER into high-throughput bioprocess development workflows enables structured metadata that supports automated cross-platform execution and high-fidelity data capture. Furthermore, PREFER's standardization has the potential to bridge disparate data silos, generating machine-actionable datasets critical for training predictive, robust machine learning models in synthetic biology. This work provides the foundation for scalable, interoperable bioprocess systems and supports the transition toward more data-driven bioproduction.
- Abstract（参考訳）: 精密発酵は、持続可能な食品、医薬品、化学物質、バイオ燃料を製造するために微生物細胞工場に依存している。
バイオファウンドリーのような専門的な研究所は、大量のデータセットを生成する高スループットバイオリアクタープラットフォームを用いて、これらのプロセスを進めています。
しかし、コミュニティ標準の欠如はデータアクセシビリティと相互運用性を制限し、プラットフォーム間の統合を妨げている。
そこで本研究では,バイオプロセスデータの統一標準を確立するために設計されたオープンソースオントロジーであるPreferを紹介する。
広く採用されている基本形式オントロジー(Basic Formal Ontology, BFO)や、他のいくつかのコミュニティオントロジーと連携して構築されたPreferは、一貫性とドメイン間の互換性を確保し、正確な発酵プロセス全体をカバーしている。
PreFERをハイスループットなバイオプロセス開発ワークフローに統合することで、クロスプラットフォームの自動実行と高忠実度データキャプチャをサポートする構造化メタデータが可能になる。
さらに、Preferの標準化は、異なるデータサイロをブリッジする可能性があり、合成生物学における予測的かつ堅牢な機械学習モデルのトレーニングに不可欠な、マシン操作可能なデータセットを生成する。
この作業はスケーラブルで相互運用可能なバイオプロセスシステムの基礎を提供し、よりデータ駆動のバイオプロダクションへの移行をサポートする。
関連論文リスト
- Improving the Generation and Evaluation of Synthetic Data for Downstream Medical Causal Inference [89.5628648718851]
因果推論は医療介入の開発と評価に不可欠である。
現実の医療データセットは、規制障壁のためアクセスが難しいことが多い。
本稿では,医学における治療効果分析のための新しい合成データ生成法STEAMを提案する。
論文 参考訳（メタデータ） (2025-10-21T16:16:00Z) - Quantum Synthetic Data Generation for Industrial Bioprocess Monitoring [0.0]
バイオマニュファクチャリングにおけるデータの不足とスパーシリティは、正確なモデル開発、プロセス監視、最適化に課題をもたらす。
本稿では,QWGAN-GP(Quantum Wasserstein Generative Adrial Network with Gradient Penalty)を用いて,産業関連プロセスの時系列データを生成することを提案する。
論文 参考訳（メタデータ） (2025-10-20T16:04:39Z) - CellPainTR: Generalizable Representation Learning for Cross-Dataset Cell Painting Analysis [51.56484100374058]
本稿では,細胞形態の基本的な表現を学習するためのトランスフォーマーベースのアーキテクチャであるCellPainTRを紹介する。
私たちの研究は、画像ベースのプロファイリングのための真の基盤モデルを作成するための重要なステップであり、より信頼性が高くスケーラブルなクロススタディ生物学的分析を可能にします。
論文 参考訳（メタデータ） (2025-09-02T03:30:07Z) - Causal Representation Learning from Multimodal Biomedical Observations [57.00712157758845]
バイオメディカルデータセットの理解を容易にするために,マルチモーダルデータに対するフレキシブルな識別条件と原理的手法を開発した。
主要な理論的貢献は、モジュラリティ間の因果関係の構造的空間性である。
実世界のヒト表現型データセットの結果は、確立された生物医学研究と一致している。
論文 参考訳（メタデータ） (2024-11-10T16:40:27Z) - Applications of Machine Learning in Biopharmaceutical Process
Development and Manufacturing: Current Trends, Challenges, and Opportunities [7.762212551172391]
機械学習(ML)は、バイオ医薬品分野に多大な貢献をしている。
その応用はまだ初期段階にあり、品質・バイ・デザインに基づくバイオ医薬品の開発・製造を直接支援している。
本稿では, 上流, 下流, 製品定式化プロセスの生物製品設計, 監視, 制御, 最適化におけるMLソリューションの現状を概観する。
論文 参考訳（メタデータ） (2023-10-16T00:35:24Z) - Multi-fidelity Gaussian Process for Biomanufacturing Process Modeling
with Small Data [1.4687789417816917]
本稿では, バイオマニュファクチャリングにおけるプロセスモデリングに, 統計的機械学習アプローチ, 多要素ガウスプロセスを用いることを提案する。
生物生産,バイオリアクターのスケールアップ,細胞間知識伝達における2つの重要な課題を解決するために,多要素ガウス法を適用し,実世界のデータセット上での有効性を実証する。
論文 参考訳（メタデータ） (2022-11-26T06:38:34Z) - Machine learning in bioprocess development: From promise to practice [58.720142291102135]
機械学習(ML)アプローチのようなデータ駆動の手法は、大きな設計空間を合理的に探索する可能性が高い。
本研究の目的は,これまでのバイオプロセス開発におけるML手法の適用例を示すことである。
論文 参考訳（メタデータ） (2022-10-04T13:48:59Z) - When Bioprocess Engineering Meets Machine Learning: A Survey from the
Perspective of Automated Bioprocess Development [3.687740185234604]
機械学習(ML)はバイオプロセス工学の発展に大きく貢献しているが、その応用は限られている。
このレビューでは、バイオプロセス開発におけるMLベースの自動化の概要について概観する。
論文 参考訳（メタデータ） (2022-09-02T14:30:49Z) - Policy Optimization in Bayesian Network Hybrid Models of
Biomanufacturing Processes [3.124775036986647]
バイオマニュファクチャリングプロセスは、綿密な監視と制御を必要とする。
低データ環境における人間レベルの制御を実現するためのモデルベース強化学習フレームワークを開発した。
論文 参考訳（メタデータ） (2021-05-13T20:39:02Z) - Towards an Automatic Analysis of CHO-K1 Suspension Growth in
Microfluidic Single-cell Cultivation [63.94623495501023]
我々は、人間の力で抽象化されたニューラルネットワークをデータレベルで注入できる新しい機械学習アーキテクチャを提案する。
具体的には、自然データと合成データに基づいて生成モデルを同時に訓練し、細胞数などの対象変数を確実に推定できる共有表現を学習する。
論文 参考訳（メタデータ） (2020-10-20T08:36:51Z)
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。