文献

J-GLOBAL ID：201802263851328557   整理番号：18A1938108

生物学的システムの高次元速度論モデルにおけるパラメータ推定のための位置ベース学習スキームによる協調強化散乱探索【JST・京大機械翻訳】

Cooperative enhanced scatter search with opposition-based learning schemes for parameter estimation in high dimensional kinetic models of biological systems

著者 (8件)： Remli Muhammad Akmal (Faculty of Computer Systems & Software Engineering, Universiti Malaysia Pahang, Kuantan, Pahang 26300, Malaysia) ,  Mohamad Mohd Saberi (Institute For Artificial Intelligence and Big Data, Universiti Malaysia Kelantan, City Campus, Pengkalan Chepa, Kota Bharu, Kelantan 16100, Malaysia) ,  Mohamad Mohd Saberi (Faculty of Bioengineering and Technology, Universiti Malaysia Kelantan, Jeli Campus, Lock Bag 100, Jeli, Kelantan 17600, Malaysia) ,  Deris Safaai (Institute For Artificial Intelligence and Big Data, Universiti Malaysia Kelantan, City Campus, Pengkalan Chepa, Kota Bharu, Kelantan 16100, Malaysia) ,  Deris Safaai (Faculty of Bioengineering and Technology, Universiti Malaysia Kelantan, Jeli Campus, Lock Bag 100, Jeli, Kelantan 17600, Malaysia) ,  A Samah Azurah (Artificial Intelligence and Bioinformatics Research Group, School of Computing, Universiti Teknologi Malaysia, Skudai, Johor 81310, Malaysia) ,  Omatu Sigeru (Department of Electronics, Information and Communication Engineering, Osaka Institute of Technology, Osaka 535-8585, Japan) ,  Corchado Juan Manuel (Biomedical Research Institute of Salamanca/BISITE Research Group, University of Salamanca, Calle Espejo s/n, Salamanca 37008, Spain)
資料名： Expert Systems with Applications  (Expert Systems with Applications)
巻： 116  ページ： 131-146  発行年： 2019年 
JST資料番号： W0178A  ISSN： 0957-4174  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 今日,工業的バイオプロセス開発は,哺乳類細胞において酵母,細菌および治療蛋白質を用いて化学物質を生産することに関係している。これは工場としての微生物細胞の利用とin silicoでの再工学を含む。このプロセスを容易にするツールは速度論モデルとして知られている。細胞代謝の速度論モデルは,生物学的システムの合理的な設計を理解し,代謝産物の生産を予測し,バイオ製品の開発を改善するための研究者の支援において重要である。しかしながら,モデル開発における最も挑戦的なタスクはパラメータ推定であり,モデル出力と実験データのセットの間の最良の適合を提供するモデルパラメータの未知値を同定するプロセスである。非常に非線形で多数の速度論パラメータを含むモデルの複雑さと高次元の増加により,パラメータ推定は困難で時間がかかることが知られている。本研究では,大規模生物学モデルにおけるパラメータ推定のための逆ベース学習方式(CeSSOL)による協調強化散乱探索を提案した。この方法は,個々のスレッド間の情報(速度論的パラメータ)を交換するために,提案された協調メカニズムと並行して実行された。各スレッドは,大域的最小値を得るためのシステム特性を強化する異なるパラメータ設定から成る。提案した方法の性能を,哺乳類および細菌細胞を用いて2つの大規模微生物モデルに対して評価した。結果は,提案方法が他の方法と比較してより速い計算時間を記録したことを明らかにした。本研究はまた,提案した方法が速度論モデルのより正確で迅速な推定を提供するために使用できることを示し,産業バイオテクノロジーのエキスパートシステムに対するこの方法の利用の潜在的利点を示した。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *学習 ,  *パラメータ ,  哺乳類 ,  細菌 ,  タンパク質 ,  スレッド ,  酵母 ,  *パラメータ推定 ,  *モデル ,  代謝産物 ,  化学物質 ,  *速度論 ,  治療法 ,  測定データ
準シソーラス用語： in silico , 【Automatic Indexing@JST】

著者キーワード (6件)： パラメータ推定 ,  代謝工学 ,  運動論モデル ,  位置ベース学習 ,  グローバル最適化 ,  協調メタヒューリスティック

分類 (4件)： 細胞生理一般  (EF02010S) ,  分子・遺伝情報処理  (JE15040B) ,  酵素一般  (EB09010D) ,  代謝と栄養  (EG03054K)

タイトルに関連する用語 (11件)： 生物学的システム ,  高次元 ,  速度論 ,  モデル ,  パラメータ推定 ,  学習 ,  スキーム ,  協調 ,  強化 ,  散乱 ,  探索