論文の概要: Co$^2$ODE: Conditionally Coarse-Grained Model Discovery for Rewiring in Biochemical Networks

• arxiv url: http://arxiv.org/abs/2610.41634v1
• Date: Fri, 30 Oct 2026 12:10:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-02 22:05:31.697515
• Title: Co$^2$ODE: Conditionally Coarse-Grained Model Discovery for Rewiring in Biochemical Networks
• Title（参考訳）: Co$^2$ODE:バイオケミカルネットワークにおけるリウィリングのための条件付き粗粒モデル探索
• Abstract要約: 生化学ネットワークは細胞行動を制御するシグナルを伝播し、どの経路を輸送するかは細胞コンテキストに依存する。 ここでは、有効力学が部分的にしか知られていない相互作用構造から現れるため、メカニカルシミュレータは不特定である。 本稿では, 粗い大小のODE (Co$2$ODE) を導入し, その部分をスパース・ニューラルあるいはシンボリック・ODEとしてモデル化する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Biochemical networks propagate the signals that regulate cellular behaviour, and which routes carry them depends on cellular context: a shift in context rewires the network's effective dynamics. Mechanistic simulators are misspecified here because the effective dynamics emerge from an interaction structure that is only partially known. Model discovery instead learns the dynamics from data, but sparse, correlated measurements poorly identify a full network model. What matters is narrower: the portion the context rewires. We introduce conditionally coarse-grained ODEs (Co$^2$ODE), which model that portion as a sparse neural or symbolic ODE: a conditional mask selects the markers carrying the rewiring, and a variational autoencoder compresses the remaining markers into a learnt closure term. On single-cell phosphoproteomic data spanning 30 cancer-relevant overexpressions, Co$^2$ODE compresses a 30-marker panel into a 10-dimensional state while matching the predictive accuracy of a neural ODE fit to the full panel. The closure absorbs what the mask drops, hence the accuracy is insensitive to which markers are kept. Adding a prior score to the loss shifts the selected markers at no cost in fit, indicating the data are not interventional enough to identify the underlying biology.
• Abstract（参考訳）: 生化学ネットワークは、細胞行動を制御するシグナルを伝播し、どの経路を輸送するかは、細胞コンテキストに依存する。 ここでは、有効力学が部分的にしか知られていない相互作用構造から現れるため、メカニカルシミュレータは不特定である。 モデル発見は、データからダイナミックスを学ぶが、相関した測定結果によって完全なネットワークモデルを特定することは不十分である。 重要なのは、コンテキストがリワイヤリングされる部分です。 本稿では, 粗い粗粒状ODE(Co$^2$ODE)を導入し, その部分を疎いニューラルあるいはシンボリックなODEとしてモデル化する: 条件マスクはリウィリングを行うマーカーを選択し, 変分オートエンコーダは残りのマーカーを学習したクロージャ項に圧縮する。 30個の癌関連過剰発現にまたがる単細胞リンプロテオミクスデータにおいて、Co$^2$ODEは30個のマーカーパネルを10次元状態に圧縮し、ニューラルネットワークの予測精度をフルパネルに適合させる。 閉鎖はマスクが落下するものを吸収するので、どのマーカーが保持されているかの精度は不感である。 損失に事前スコアを加えると、選択されたマーカーは不適切なコストでシフトし、基礎となる生物学を特定するのに十分な介入的でないことを示す。

関連論文リスト

• MPGE: A Multi-Perspective Graph Explainer for Molecular Classification Explanation [1.6921396880325779]
  グラフニューラルネットワーク(GNN)は化学グラフデータから分子特性を予測するが、予測精度はグラフ情報がどのように個々の決定をサポートするかを説明するものではない。 本稿では,Multi-Perspective Graph Explainer (MPGE)を提案する。 MUTAG, 変異原性, AIDS, COX2_MD, BBBPのGCN実装について, セマンティックカバレッジ, 条件品質, 安定性, ランタイムを用いて検討した。
  論文  参考訳（メタデータ） (2026-10-08T14:28:47Z)
• Gated Graph Neural Networks for Learning Hidden Independent Cascade Dynamics [50.02140519922548]
  情報や伝染病はソーシャルネットワークを通じて広まっていますが、ノードごとのアクティベーション時間なしでは予測が難しいのです。 本研究では,Hydden Independent Cascade(HIC)モデルの下で,この逆問題について検討する。 本研究では,個々の潜伏カスケードを再構成することなく,ノードレベルのパラメータベクトルを復元するシミュレーションベースの補正推定器を提案する。
  論文  参考訳（メタデータ） (2026-10-02T20:36:22Z)
• Probabilistic and Geometry Aware Neural Surrogate of Scrape Off Layer Plasma Simulations [2.720699926154399]
  トカマク境界プラズマシミュレーションのための高速サロゲートは、通常、大域的な操作点を細胞値の平坦なベクトルにマッピングする決定論的回帰器である。 本研究は両問題に対処する。我々はカービリニアメッシュを3つの固定サイズの画像テンソルに展開する。 その後、高感度システムに適した条件付きフローマッチングモデルが、この表現に基づいて訓練される。
  論文  参考訳（メタデータ） (2026-09-23T13:45:19Z)
• Coarse-Graining Hidden Representations: Unsupervised Neuron Selection via Mapping Entropy [37.56003520528009]
  教師と学生のネットワークでは、MEは教師の一貫性の最小限の表現を回復し、余分なユニットを保持する。 非線形ガウスプロセスタスクでは、MEはトレーニング間で好ましいクラスシフトを持つコヒーレントな機能クラスマッピングを選択する。 このタスクと変換拡張MNISTでは、ME-selectedworksは等しい大きさのランダムなサブセットより優れている。
  論文  参考訳（メタデータ） (2026-09-04T13:25:58Z)
• DriftScope: Measuring The Hidden Effects of Diffusion Model Adaptation [50.584834483403675]
  新しい視覚概念を学習するか、望ましくないものを消去するか、事前学習したテキスト・画像拡散モデルに適応させることは、意図した効果だけで日常的に評価される。 適応が意味論的に無関係な概念を、構造的にメトリクスを集約することができない方法で体系的に損なうことを実証する。 DriftScopeは、任意の2つのモデルチェックポイントを取り込み、視覚的概念が最も移行したトークンのランクリストを返す、プロンプトレベルの診断ツールである。
  論文  参考訳（メタデータ） (2026-06-30T20:57:51Z)
• Signal Processing in the Retina: Interpretable Graph Classifier to Predict Ganglion Cell Responses [26.403303281303092]
  そこで我々は,視覚刺激に応答してガングリオン細胞の発火を予測できるグラフベース分類器を学習した。 我々の枠組みは、解釈を必要とする前兆的特徴を持つ他の生物学的システムに適用できる。
  論文  参考訳（メタデータ） (2024-01-03T16:15:22Z)
• Adaptive Face Recognition Using Adversarial Information Network [57.29464116557734]
  顔認識モデルは、トレーニングデータがテストデータと異なる場合、しばしば退化する。 本稿では,新たな敵情報ネットワーク(AIN)を提案する。
  論文  参考訳（メタデータ） (2023-05-23T02:14:11Z)
• Posterior Collapse and Latent Variable Non-identifiability [54.842098835445]
  柔軟性を犠牲にすることなく識別性を強制する深層生成モデルである,潜時同定可能な変分オートエンコーダのクラスを提案する。 合成および実データ全体にわたって、潜在識別可能な変分オートエンコーダは、後方崩壊を緩和し、データの有意義な表現を提供する既存の方法より優れている。
  論文  参考訳（メタデータ） (2023-01-02T06:16:56Z)
• MURAL: An Unsupervised Random Forest-Based Embedding for Electronic Health Record Data [59.26381272149325]
  異なる変数型でデータを表現するための教師なしランダムフォレストを提案する。 muraL forestsは、ノード分割変数がランダムに選択される一連の決定ツリーで構成されている。 提案手法を用いることで,競合するアプローチよりも正確なデータの視覚化と分類が可能であることを示す。
  論文  参考訳（メタデータ） (2021-11-19T22:02:21Z)
• G-MIND: An End-to-End Multimodal Imaging-Genetics Framework for Biomarker Identification and Disease Classification [49.53651166356737]
  診断によって誘導される画像データと遺伝データを統合し、解釈可能なバイオマーカーを提供する新しいディープニューラルネットワークアーキテクチャを提案する。 2つの機能的MRI(fMRI)パラダイムとSingle Nucleotide Polymorphism (SNP)データを含む統合失調症の集団研究で本モデルを評価した。
  論文  参考訳（メタデータ） (2021-01-27T19:28:04Z)

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。