Fugu-MT 論文翻訳(概要): Do Biological Structural Guarantees Earn Their Complexity?

論文の概要: Do Biological Structural Guarantees Earn Their Complexity?

arxiv url: http://arxiv.org/abs/2605.15225v1
Date: Wed, 13 May 2026 09:36:04 GMT
ステータス: 翻訳完了
システム内更新日: 2026-05-18 21:22:26.014217
Title: Do Biological Structural Guarantees Earn Their Complexity?
Title（参考訳）: 生体構造保証は, その複雑さを表わすか?
Authors: Bogdan Banu,
Abstract要約: 生物学的にインスパイアされたAIエージェントフレームワークは、遺伝子制御ネットワーク、免疫システム、代謝制御から適合した構造保証を通じて信頼性の恩恵を主張する。メタボリック・プライオリティ・ゲーティング、オートインデューサに基づくクォーラムセンシング、ベイズ定常検出の3つの深いベンチマークを提示する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Biologically-inspired AI agent frameworks claim reliability benefits through structural guarantees adapted from gene regulatory networks, immune systems, and metabolic control. These claims are rarely tested empirically against simpler alternatives. We present three deep benchmarks: metabolic priority gating, autoinducer-based quorum sensing, and Bayesian stagnation detection, each comparing a biologically-grounded implementation against a naive non-biological alternative and an ablated control, across 1,000 trials per seed and 10 seeds (10M+ data points total).
Abstract（参考訳）: 生物学的にインスパイアされたAIエージェントフレームワークは、遺伝子制御ネットワーク、免疫システム、代謝制御から適合した構造保証を通じて信頼性の恩恵を主張する。これらの主張は、単純な代替案に対して実証的にテストされることは滅多にない。本研究は, 代謝優先性ゲーティング, オートインデューサに基づくクォーラムセンシング, ベイジアン停滞検出の3つの詳細なベンチマークを, 1種1,000回, 10種10回(計10M以上のデータポイント)で比較した。

関連論文リスト

BioMiner: A Multi-modal System for Automated Mining of Protein-Ligand Bioactivity Data from Literature [53.894504720119805]
生物活性データ抽出のためのマルチモーダル抽出フレームワークであるBioMinerを紹介する。 BioMinerでは、生物活性セマンティクスは直接推論によって推測され、化学構造は化学構造に基づく視覚的セマンティクス推論パラダイムによって解決される。厳密な評価と方法開発のために,500の出版物から得られた16,457の生物活性成分からなるベンチマークを構築した。
論文参考訳（メタデータ） (2026-04-23T10:11:56Z)
Investigating Data Pruning for Pretraining Biological Foundation Models at Scale [47.09153330837959]
本稿では,生物ドメインに適したポストホックインフルエンス誘導型データ解析フレームワークを提案する。我々のフレームワークは、極端な刈り取り率99%のランダム選択ベースラインを一貫して上回っている。これらの結果は、BioFMプリトレーニングの計算コストを大幅に削減するために、インフルエンス誘導型データプルーニングの可能性を示している。
論文参考訳（メタデータ） (2025-12-15T02:42:52Z)
TriAgent: Automated Biomarker Discovery with Deep Research Grounding for Triage in Acute Care by LLM-Based Multi-Agent Collaboration [3.0416960239499358]
世界の救急医療機関は、患者数の増加、労働力不足、トリアージ決定のばらつきに直面している。この課題に対処するために,大規模言語モデル(LLM)ベースのマルチエージェントフレームワークであるTriAgentを紹介した。 TriAgentは、バイオマーカーの自動発見と、文学的根拠による検証と新規性評価のための深い研究を結合する。
論文参考訳（メタデータ） (2025-10-17T12:26:29Z)
Tensor Network based Gene Regulatory Network Inference for Single-Cell Transcriptomic Data [0.0]
本研究では、テンソルネットワーク(TN)を利用して表現データを最適にマッピングする量子インスピレーションフレームワークを提案する。遺伝子依存を定量化し、置換試験により統計的意義を確立する。量子物理学にインスパイアされた手法と計算生物学を融合することにより,遺伝子制御に関する新たな知見を提供する。
論文参考訳（メタデータ） (2025-09-08T17:11:12Z)
Biologically Disentangled Multi-Omic Modeling Reveals Mechanistic Insights into Pan-Cancer Immunotherapy Resistance [0.9787436863401008]
転写情報とゲノムデータを統合する深層生成モデルであるBDVAE(Biologically Disentangled Variational Autoencoder)を導入する。 366人のパン・カンサー・コホートに適用すると、BDVAEは治療反応を正確に予測する。免疫抑制、代謝シフト、神経シグナル伝達などの重要な抵抗機構を明らかにする。
論文参考訳（メタデータ） (2025-08-26T03:33:56Z)
Fitness aligned structural modeling enables scalable virtual screening with AuroBind [56.720030595081845]
AuroBindは、100万規模のケモゲノミクスデータ上に、カスタム原子レベルの構造モデルを微調整するスケーラブルな仮想スクリーニングフレームワークである。 AuroBindは、直接選好最適化、高信頼錯体からの自己蒸留、教師-学生加速戦略を統合している。 AuroBindは10の疾患関連目標に対して、実験的なヒット率7-69%を達成し、トップ化合物はナノモラール下からピコモラールに到達した。
論文参考訳（メタデータ） (2025-08-04T07:34:48Z)
DISPROTBENCH: A Disorder-Aware, Task-Rich Benchmark for Evaluating Protein Structure Prediction in Realistic Biological Contexts [76.59606029593085]
DisProtBenchは、構造障害および複雑な生物学的条件下でタンパク質構造予測モデル(PSPM)を評価するためのベンチマークである。 DisProtBenchはデータの複雑さ、タスクの多様性、解釈可能性という3つの重要な軸にまたがっている。その結果,機能的予測障害と相関する低信頼領域を有する障害下でのモデルロバスト性に有意な変動が認められた。
論文参考訳（メタデータ） (2025-06-18T23:58:22Z)
AbBiBench: A Benchmark for Antibody Binding Affinity Maturation and Design [8.195812610020203]
AbBiBenchは、抗体結合親和性成熟と設計のためのベンチマークフレームワークである。タンパク質モデルが完全なAb-Ag複合体をどれだけうまくスコアするかを測定することによって、抗体設計の結合電位を評価する。
論文参考訳（メタデータ） (2025-05-23T21:09:04Z)
Embracing assay heterogeneity with neural processes for markedly improved bioactivity predictions [0.276240219662896]
リガンドの生物活性を予測することは、コンピュータ支援薬物発見において最も困難かつ最も重要な課題の1つである。長年のデータ収集とキュレーションの努力にもかかわらず、生物活性データは希少で不均一である。異種アッセイ間の情報シナジーを利用した階層型メタラーニングフレームワークを提案する。
論文参考訳（メタデータ） (2023-08-17T16:26:58Z)
CausalBench: A Large-scale Benchmark for Network Inference from Single-cell Perturbation Data [61.088705993848606]
本稿では,実世界の介入データに対する因果推論手法を評価するベンチマークスイートCausalBenchを紹介する。 CaulBenchには、新しい分散ベースの介入メトリクスを含む、生物学的に動機付けられたパフォーマンスメトリクスが含まれている。
論文参考訳（メタデータ） (2022-10-31T13:04:07Z)
Cancer Gene Profiling through Unsupervised Discovery [49.28556294619424]
低次元遺伝子バイオマーカーを発見するための,新しい,自動かつ教師なしのフレームワークを提案する。本手法は,高次元中心型非監視クラスタリングアルゴリズムLP-Stabilityアルゴリズムに基づく。私達の署名は免疫炎症および免疫砂漠の腫瘍の区別の有望な結果報告します。
論文参考訳（メタデータ） (2021-02-11T09:04:45Z)

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。