Model-driven Study of Host Cell Multiscale Dynamics in Viral Infection

病毒感染中宿主细胞多尺度动力学的模型驱动研究

• 批准号: 22KJ1417
• 负责人: 小高 充弘
• 金额: $ 1.6万
• 依托单位: The Graduate University for Advanced Studies
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for JSPS Fellows
• 财政年份: 2023
• 资助国家: 日本
• 起止时间: 2023-03-08 至 2024-03-31
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-22KJ1417/
• 关键词: 方程式発見; 因果ネットワーク; 深層学習; データ・知識融合型アプローチ; 遺伝子ネットワーク推定; オミクス解析; モデル妥当性確認; 新型コロナウイルス感染症; 微分方程式系

前年度までの流れを受け，観測データと背景知識からのネットワーク推定法の改良に比重を置きつつ，開発した手法の新型コロナウイルス感染症 (COVID-19) への応用も進めた．状態変数に関する多変量時系列データと背景知識を組み合わせて使う「データ・知識融合型アプローチ」を提案し，COVID-19 の遺伝子発現量データと生物学的な背景知識に応用することにより，細胞接着に関わる3種類の分子（遺伝子名：ICAM1, ACTB, C15orf48）の新規パスウェイ構築とネットワークダイナミクス分析に貢献した．同アプローチに立脚しながら，多変量時系列データから深層学習した因果ネットワークを微分方程式系の同定における仮説探索空間の制約として利用する手法を検討した．予備実験として支配方程式既知の決定論的力学系から人工生成した時系列から敵対的生成ネットワークにより構造因果モデルを学習し，元の方程式表現と力学系のダイナミクスを再現できるか評価した．既存の方程式発見手法よりも提案手法の方が数式の再現度が高く，再現できない場合もモデルを必要最低限の変数で倹約的に表現する傾向が見られた．今後は因果性を扱う場合の数学的な前提条件や力学系に取り入れる高次非線形関数の許容範囲を変えつつ，ハイパーパラメータの感度分析とスケーラビリティの評価実験，既存の構造方程式モデリング手法や時系列因果推論手法との比較を行い，新規手法として完成に近づける．

Before the annual ま で の flow れ を け, 観 measuring デ ー タ と background か ら の ネ ッ ト ワ ー ク presumption method modified に の proportion を き つ つ, open 発 し た gimmick の new コ ロ ナ ウ イ ル ス adapting just-in-time inventory (COVID - 19) へ の 応 も into め た. State - several に masato す る series when many variations of デ ー タ と background を group み close わ せ て make う "デ ー タ type, knowledge fusion ア プ ロ ー チ" を proposal し, traces of COVID - 19 の 伝 son 発 now quantity デ ー タ な と biology background に 応 with す る こ と に よ り, cells then に masato わ る 3 kinds の molecules (legacy 伝 a name: ICAM1, ACTB, C15orf48) の new rules パ ス ウ ェ イ build と ネ ッ ト ワ ー ク ダ イ ナ ミ ク ス analysis に contribution し た. With ア プ ロ ー チ に footing し な が ら, when many variations series デ ー タ か ら deep learning し た causal ネ ッ ト ワ ー ク を with constant differential equations is の に お け る 仮 の exploring space restriction と し て using す る gimmick を beg し 検 た. Reserve be 験 と し て department of force control equations both know の determinism か ら artificial generated し た series when か ら against the generation of seaborne ネ ッ ト ワ ー ク に よ り tectonic causal モ デ ル し を learning, yuan の formula and majored in mechanical と の ダ イ ナ ミ ク ス を reappearance で き る か review 価 し た. Existing の equation 発 see gimmick よ り も proposal gimmick の party が number type high が く の reproduce degree, reappearance で き な い occasions も モ デ ル を necessary minimum standard の - several で 倹 about に performance す る tendency が see ら れ た. Future は causality を Cha う occasions の な premise condition of mathematics and majored in mechanical や に take り れ る high order nonlinear masato number の Xu Rongfan 囲 を - え つ つ, ハ イ パ ー パ ラ メ ー タ の sensitivity analysis と ス ケ ー ラ ビ リ テ ィ の review 価 be 験, existing の structure equation モ デ リ ン グ technique when や series of causal inference technique と の is を い, The new rule technique と て complete に nearly づける.

项目成果

Data-Driven and Knowledge-Based Causal Network Discovery for Identifying Differential Equations

用于识别微分方程的数据驱动和基于知识的因果网络发现

• 发表时间: 2023
• 期刊: In: AAAI Spring Symposium on Computational Approaches to Scientific Discovery
• 作者: Mitsuhiro Odaka;Morgan Magnin;Katsumi Inoue
• 通讯作者: Katsumi Inoue

Ecole centrale de Nantes/Laboratory of Digital Sciences of Nantes(フランス)

南特中央学院/南特数字科学实验室（法国）