論文の概要: An abstract model of nonrandom, non-Lamarckian mutation in evolution using a multivariate estimation-of-distribution algorithm
- arxiv url: http://arxiv.org/abs/2604.12884v1
- Date: Tue, 14 Apr 2026 15:33:45 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-15 19:11:32.537838
- Title: An abstract model of nonrandom, non-Lamarckian mutation in evolution using a multivariate estimation-of-distribution algorithm
- Title（参考訳）: 多変量分布推定アルゴリズムを用いた非ランダム非ラマルク突然変異の進化における抽象モデル
- Authors: Liudmyla Vasylenko, Adi Livnat,
- Abstract要約: 本稿では,非ランダムな非ラマルク突然変異を具体的に示すシミュレーションモデルを提案する。
このモデルは進化論と進化計算の両方に遺伝的変化を通じて情報の内部統合を統合することの重要性を強調している。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: At the fundamental conceptual level, two alternatives have traditionally been considered for how mutations arise and how evolution happens: 1) random mutation and natural selection, and 2) Lamarckism. Recently, the theory of Interaction-based Evolution (IBE) has been proposed, according to which mutations are neither random nor Lamarckian, but are influenced by information accumulating internally in the genome over generations. Based on the estimation-of-distribution algorithms framework, we present a simulation model that demonstrates nonrandom, non-Lamarckian mutation concretely while capturing indirectly several aspects of IBE: selection, recombination, and nonrandom, non-Lamarckian mutation interact in a complementary fashion; evolution is driven by the interaction of parsimony and fit; and random bits do not directly encode improvement but enable generalization by the manner in which they connect with the rest of the evolutionary process. Connections are drawn to Darwin's observations that changed conditions increase the rate of production of heritable variation; to the causes of bell-shaped distributions of traits and how these distributions respond to selection; and to computational learning theory, where analogizing evolution to learning in accord with IBE casts individuals as examples and places the learned hypothesis at the population level. The model highlights the importance of incorporating internal integration of information through heritable change in both evolutionary theory and evolutionary computation.
- Abstract（参考訳）: 基本的な概念レベルでは、伝統的に突然変異の発生と進化の発生について2つの代替案が検討されてきた。
1)無作為な突然変異と自然選択
2)ラマルキズム。
近年、IBE(Interaction-based Evolution)の理論が提案され、変異はランダムでもラマルク的でもないが、世代にわたってゲノムの内部に蓄積される情報の影響を受けている。
本稿では,非ランダム,非ラマルク的突然変異を間接的に捉えつつ,間接的にIBEのいくつかの側面を捉えるシミュレーションモデルを提案する。選択,組換え,非ラマルク的突然変異は相補的な方法で相互作用する;進化はパーシモニーと適合の相互作用によって駆動される;ランダムビットは改善を直接エンコードするのではなく,進化過程の他の部分と結びつく方法による一般化を可能にする。
ダーウィンの観察は、条件の変化が遺伝的変異の生成率を増加させる、特性のベル状の分布の原因とそれらの分布が選択にどのように反応するか、そして、IBEに則って進化を学習に類似させる計算学習理論に結びついており、そこでは個人を例にし、学習された仮説を人口レベルで配置している。
このモデルは進化論と進化計算の両方に遺伝的変化を通じて情報の内部統合を統合することの重要性を強調している。
関連論文リスト
- How Information Evolves: Stability-Driven Assembly and the Emergence of a Natural Genetic Algorithm [1.2691047660244335]
SDA(StableabilityDriven Assembly)は,長寿命のモチーフに対して,集団の永続性に偏りを伴ってホールマークを組立てるフレームワークである。
SDA/GAをSMILESフラグメントの組換え,突然変異,安定性関数を用いて化学記号空間に適用した。
結果は、永続的選択が遺伝的複製に先行する進化的はしご仮説を動機付けている。
論文 参考訳（メタデータ） (2026-01-22T15:47:48Z) - G2PDiffusion: Cross-Species Genotype-to-Phenotype Prediction via Evolutionary Diffusion [108.94237816552024]
本稿では,DNAから形態像を生成する最初の遺伝子型対フェノタイプ拡散モデル(G2PDiffusion)を提案する。
本モデルは,1)保存および共進化パターンを識別するMSA検索エンジン,2)複雑なジェノタイプ-環境相互作用を効果的にモデル化する環境対応MSA条件エンコーダ,3)遺伝子型-フェノタイプ整合性を改善する適応型表現的アライメントモジュールを含む。
論文 参考訳（メタデータ） (2025-02-07T06:16:31Z) - Predicting Genetic Mutation from Whole Slide Images via Biomedical-Linguistic Knowledge Enhanced Multi-label Classification [119.13058298388101]
遺伝子変異予測性能を向上させるため,生物知識を付加したPathGenomic Multi-label Transformerを開発した。
BPGTはまず、2つの慎重に設計されたモジュールによって遺伝子前駆体を構成する新しい遺伝子エンコーダを確立する。
BPGTはその後ラベルデコーダを設計し、最終的に2つの調整されたモジュールによる遺伝的突然変異予測を行う。
論文 参考訳（メタデータ） (2024-06-05T06:42:27Z) - Learning to Predict Mutation Effects of Protein-Protein Interactions by Microenvironment-aware Hierarchical Prompt Learning [78.38442423223832]
我々は、新しいコードブック事前学習タスク、すなわちマスク付きマイクロ環境モデリングを開発する。
突然変異効果予測において、最先端の事前学習法よりも優れた性能と訓練効率を示す。
論文 参考訳（メタデータ） (2024-05-16T03:53:21Z) - Role of Morphogenetic Competency on Evolution [0.0]
進化計算において、逆関係(進化に関する知性の影響)は、生物レベルの振る舞いの観点からアプローチされる。
我々は、解剖学的形態空間をナビゲートするシステムの最小限のモデルの知性に焦点を当てる。
我々はシリコの標準遺伝アルゴリズムを用いて人工胚の個体群を進化させた。
論文 参考訳（メタデータ） (2023-10-13T11:58:18Z) - Unbalanced Diffusion Schr\"odinger Bridge [71.31485908125435]
任意の有限質量の辺縁の時間的進化をモデル化する不均衡DSBを導入する。
これは、殺生項を伴う微分方程式の時間反転を導出することで達成される。
本稿では,非バランスなDSBを学習するためのスケーラブルな目的関数を構成する2つの新しいアルゴリズムスキームを提案する。
論文 参考訳（メタデータ） (2023-06-15T12:51:56Z) - EvoVGM: A Deep Variational Generative Model for Evolutionary Parameter
Estimation [0.0]
本研究では,局所生物学的進化パラメータの真後部を共同で近似した深部変分ベイズ生成モデルを提案する。
本研究では,いくつかの進化シナリオと実際のウイルス配列アライメントをシミュレートした合成配列アライメントにおける手法の一貫性と有効性を示す。
論文 参考訳（メタデータ） (2022-05-25T20:08:10Z) - Epigenetic opportunities for Evolutionary Computation [0.0]
進化計算(Evolutionary Computation)は、複雑な最適化問題を解くために用いられる生物学的にインスパイアされたアルゴリズムのグループである。
遺伝的遺伝からインスピレーションを得る進化的アルゴリズムと、文化的遺伝からインスピレーションを得るSwarm Intelligenceアルゴリズムに分けることができる。
本稿では, 進化的拡張合成に基づく生物学的枠組みの下で, バイオインスパイアされたアルゴリズムを成功裏に分解する。
論文 参考訳（メタデータ） (2021-08-10T09:44:53Z) - Matchmaker, Matchmaker, Make Me a Match: Geometric, Variational, and
Evolutionary Implications of Criteria for Tag Affinity [68.8204255655161]
タグマッチング基準が適応進化の速度と進化した解の質に影響を及ぼすことを示す。
また,タグマッチング基準が接続パターンや進化力学に影響を及ぼすことを示すことにより,タグマッチングシステムの性質に関する根本的な疑問も提起した。
論文 参考訳（メタデータ） (2021-08-10T08:21:45Z) - Epigenetic evolution of deep convolutional models [81.21462458089142]
我々は、より深い畳み込みモデルを進化させるために、これまで提案されていた神経進化の枠組みを構築した。
異なる形状と大きさのカーネルを同一層内に共存させる畳み込み層配置を提案する。
提案したレイアウトにより、畳み込み層内の個々のカーネルのサイズと形状を、対応する新しい突然変異演算子で進化させることができる。
論文 参考訳（メタデータ） (2021-04-12T12:45:16Z) - Correlated Mixed Membership Modeling of Somatic Mutations [0.0]
癌は生物学的に冗長であるため、有効な患者治療のための全ての突然変異セットを特定することが重要である。
がん体性突然変異プロファイルの最近の研究は、パーソナライズドメディカルにおける標的治療のための突然変異を同定しようとしている。
本稿では, 潜伏表現による体性突然変異プロファイルの固有構造を推測するゼロインフレーション負二項過程を提案する。
論文 参考訳（メタデータ） (2020-05-21T21:52:35Z)
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。