文献

J-GLOBAL ID：202202215181367470   整理番号：22A0775730

機構モデルの仮想集団構築のための生成敵対ネットワーク:Omechamtiv Mecarbil作用を研究するためのシミュレーション【JST・京大機械翻訳】

Generative adversarial networks for construction of virtual populations of mechanistic models: simulations to study Omecamtiv Mecarbil action

著者 (12件)： Parikh Jaimit (IBM Research, Yorktown, NY, USA) ,  Rumbell Timothy (IBM Research, Yorktown, NY, USA) ,  Butova Xenia (Institute of Immunology and Physiology, Ural Branch of the Russian Academy of Sciences (UB RAS), Yekaterinburg, Russia) ,  Myachina Tatiana (Institute of Immunology and Physiology, Ural Branch of the Russian Academy of Sciences (UB RAS), Yekaterinburg, Russia) ,  Acero Jorge Corral (Department of Engineering Science, Institute of Biomedical Engineering, University of Oxford, Oxford, UK) ,  Khamzin Svyatoslav (Institute of Immunology and Physiology, Ural Branch of the Russian Academy of Sciences (UB RAS), Yekaterinburg, Russia) ,  Solovyova Olga (Ural Federal University, Yekaterinburg, Russia) ,  Solovyova Olga (Institute of Immunology and Physiology, Ural Branch of the Russian Academy of Sciences (UB RAS), Yekaterinburg, Russia) ,  Kozloski James (IBM Research, Yorktown, NY, USA) ,  Khokhlova Anastasia (Ural Federal University, Yekaterinburg, Russia) ,  Khokhlova Anastasia (Institute of Immunology and Physiology, Ural Branch of the Russian Academy of Sciences (UB RAS), Yekaterinburg, Russia) ,  Gurev Viatcheslav (IBM Research, Yorktown, NY, USA)
資料名： Journal of Pharmacokinetics and Pharmacodynamics  (Journal of Pharmacokinetics and Pharmacodynamics)
巻： 49  号： 1  ページ： 51-64  発行年： 2022年 
JST資料番号： D0684A  ISSN： 1567-567X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 生体物理モデルは,実験および臨床データのフィッティングおよび再現により機構的洞察を得るためにますます使用されている。しかし,記録されたデータセットにおける固有の変動性は,重要な挑戦を示す。本研究では,in vitro心臓力学データを分析し,モデルパラメータ推論の逆問題を解くため,機構モデリングと機械学習を統合する新しいアプローチを提案した。著者らは,新規生成敵対ネットワーク(GAN)を設計し,心臓心室筋細胞モデルの仮想集団を構築するために,陽性心臓内栄養体であるOmecamtiv Mecarbil(OM)の作用を検討するために使用した。OMの存在および非存在下のラット筋細胞の実験において得られた機械的無負荷筋細胞短縮記録から,モデルの個体群を較正した。GANはモデルパラメータを推論でき,一方,モデルパラメータOMターゲットに関する事前情報を組み込んだ。モデルの生成された集団は,in vitro実験中に記録された筋細胞収縮の変化を再現し,OMの作用機構の理解を改善した。著者らのアプローチを用いた実験データの逆マッピングは,ミオシンとトロポミオシン蛋白質間の相互作用を修飾するOMの新しい作用を示唆する。本アプローチを検証するために,推定モデルパラメータを用いて,OM作用下でのカルシウム感受性の増加および力-カルシウム(F-Ca)曲線のHill係数の減少を示す皮膚調製物のような,他のin vitro実験プロトコルを複製した。したがって,著者らのアプローチは,実験観察の機構的基礎の同定と,この複雑な生体系における変動性に関する異なる仮説の調査を容易にした。Copyright The Author(s) 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 相互作用 ,  *ネットワーク ,  心臓 ,  ミオシン ,  ラット ,  モデリング ,  トロポミオシン ,  *モデル ,  逆問題 ,  作用機序 ,  in vitro実験 ,  機械学習 ,  筋細胞
準シソーラス用語： 事前知識 ,  モデルパラメータ , 【Automatic Indexing@JST】

著者キーワード (5件)： オメカムチブ・メカルビル ,  モデルの個体群 ,  生成敵対ネットワーク ,  パラメータ推論 ,  生物物理学的モデル

分類 (2件)： 循環系モデル  (EL02020V) ,  心臓  (EJ04020D)

タイトルに関連する用語 (7件)： モデル ,  仮想 ,  集団 ,  構築 ,  敵対 ,  研究 ,  シミュレーション