不確実性定量化による細胞侵入のための計算効率の良い機構発見【JST・京大機械翻訳】

VandenHeuvel, D. J.; Drovandi, C.; Simpson, M. J.

プレプリント

J-GLOBAL ID：202202221425557530 整理番号：22P0351830

不確実性定量化による細胞侵入のための計算効率の良い機構発見【JST・京大機械翻訳】

Computationally efficient mechanism discovery for cell invasion with uncertainty quantification

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 (3件)： , ,
資料名：
発行年： 2022年08月14日プレプリントサーバーでの情報更新日： 2022年08月14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)

生物学的プロセスの数学モデルのパラメータ推定は,しばしば困難であり,利用可能なデータの品質と量に著しく依存する。細胞侵入実験での遅延,移動および増殖の根底にある機構を発見するために,Gauss過程を用いた効率的なフレームワークを導入した。Gaussプロセスは,侵入過程を駆動するメカニズムに対する不確実性の定量化を提供するためにブートストラップにより活用される。このフレームワークは効率的,並列性であり,他の生物学的問題に適用できる。正準スクラッチアッセイ実験を用いて著者らの方法を説明し,異なる機能的形式をいかに探索するか,遅延が存在するかどうかのような基礎となる機構について仮説を開発及び試験する方法を示した。この研究を再現するためのすべてのコードとデータは,https://github.com/DanielVandH/EquationLearning.jl.1の要約で利用可能であり,物理情報と生物学的に生成されたニューラルネットワークのような方程式学習法に不確実性の定量化を導入した。このフレームワークは計算的に効率的で,スパース雑音データだけが利用できる実験からの学習を望む未知の非線形機構を持つ問題に適用可能である。細胞生物学からの正準スクラッチアッセイ実験に関する著者らの方法を実証し,その根底にあるメカニズムが学習され,機能的形に対する信頼区間を提供し,また,実験を記述すると考えられる偏微分方程式モデルに対する解に対して,解答を提供することを示した。【JST・京大機械翻訳】

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

確率論

, , , ,

前のページに戻る