Quantifying information of intracellular signaling: progress with machine learning.
Quantifying information of intracellular signaling: progress with machine learning.
复制标题
细胞内信号的量化信息：机器学习的进展。
DOI：
10.1088/1361-6633/ac7a4a
复制
发表时间：
2022-07-12
期刊：
影响因子：
--
通讯作者：
中科院分区：
文献类型：
--
作者：
细胞将其细胞外环境的信息传递给其核心功能机构。研究细胞内信号通路传递信息的能力解决了生命系统的基本问题。在这里，我们回顾如何信息理论的方法已被用来量化信息传输的信号通路，功能多效性和分子随机性。我们描述了如何利用机器学习的最新进展来解决复杂时间轨迹数据集的挑战，以及这些如何有助于我们了解细胞如何利用时间编码来适当适应环境扰动。
Cells convey information about their extracellular environment to their core functional machineries. Studying the capacity of intracellular signaling pathways to transmit information addresses fundamental questions about living systems. Here, we review how information-theoretic approaches have been used to quantify information transmission by signaling pathways that are functionally pleiotropic and subject to molecular stochasticity. We describe how recent advances in machine learning have been leveraged to address the challenges of complex temporal trajectory datasets and how these have contributed to our understanding of how cells employ temporal coding to appropriately adapt to environmental perturbations.
登录
查看更多内容
影响因子：
32.4
作者：
Adelaja A;Taylor B;Sheu KM;Liu Y;Luecke S;Hoffmann A
通讯作者：
Hoffmann A
影响因子：
4.3
作者：
Barrett AB;Seth AK
通讯作者：
Seth AK
影响因子：
9.3
作者：
Chen SY;Osimiri LC;Chevalier M;Bugaj LJ;Nguyen TH;Greenstein RA;Ng AH;Stewart-Ornstein J;Neves LT;El-Samad H
通讯作者：
El-Samad H
影响因子：
5.9
作者：
Billing, Ulrike;Jetka, Tomasz;Dittrich, Anna
通讯作者：
Dittrich, Anna
影响因子：
64.5
作者：
Behar M;Barken D;Werner SL;Hoffmann A
通讯作者：
Hoffmann A