マルチスケール機構モデルキャリブレーションにおける不均一生物学的データの統合:肺腺癌への応用【JST・京大機械翻訳】

Palgen, J.-L.; Perrillat-Mercerot, A.; Ceres, N.; Peyronnet, E.; Coudron, M.; Tixier, E.; Illigens, B. M. W.; Bosley, J.; L'Hostis, A.; Monteiro, C.

プレプリント

J-GLOBAL ID：202202207058540593 整理番号：22P0312608

マルチスケール機構モデルキャリブレーションにおける不均一生物学的データの統合:肺腺癌への応用【JST・京大機械翻訳】

Integration of heterogeneous biological data in multiscale mechanistic model calibration: application to lung adenocarcinoma

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (10件)： , , , , , , , , ,
資料名：
発行年： 2022年07月07日プレプリントサーバーでの情報更新日： 2022年07月07日
JST資料番号： O7001B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

機構モデルは,一次情報源として知識を用いて構築され,モデル内の因果関係を決定する良く確立された生物学的および物理的法則を有する。モデルの因果構造を決定すると,関連データを正確に再現するためにパラメータを定義しなければならない。パラメータとその値は,キャリブレーションのためのデータがまばらである病態生理のモデルの場合に特に困難である。多重データ源が要求され,データは均一または望ましいフォーマットではないかもしれない。較正データの不足と不均一性の課題に対処するキャリブレーション戦略について述べた。著者らの戦略は,初期値が文献から容易に導出できないパラメータに焦点を合わせ,著者らの目標は,関連データによる制約集合による較正を介してこれらのパラメータの値を決定することである。共分散行列適応進化戦略(CMA-ES)と組み合わせた場合,このステップバイステップアプローチは広範囲の生物学的モデルに適用できる。マルチスケール機構モデルキャリブレーションに対する段階的,統合的および反復的アプローチを記述し,病態生理学的肺腺癌モデルを較正する例を提供した。ここで記述したアプローチを用いて,文献において利用可能な限られた不均一データセットのみを用いて,複雑な知識ベース機構モデルの成功したキャリブレーションを示した。【JST・京大機械翻訳】

, , , , , ,
, , , , , 【Automatic Indexing@JST】

分光分析 , 流出解析

, , , , ,

前のページに戻る