Geometric analysis enables biological insight from complex non-identifiable models using simple surrogates
计算生物学的一个持久挑战是平衡数据质量和数量与模型复杂性。工具,如可识别性分析和信息标准已经开发,以协调这种并列,但不能总是解决现有数据和粒度之间的不匹配所需的数学模型,以回答重要的生物学问题。通常,只有简单的现象学模型,如逻辑斯谛和Gompertz增长模型,才能从标准的实验测量中识别出来。为了从复杂的,不可识别的模型,包括关键的生物学机制的利益,我们研究了一个复杂的模型,一个简单的,可识别的,代理模型的参数空间中的映射的几何形状。通过研究复杂模型中的非可识别参数如何与代理中的可识别参数定量相关,我们引入并利用了一层非可识别参数集与典型可识别性分析中研究的拟合优度度量或似然之间的解释。我们通过分析多细胞肿瘤球体生长的数学模型层次来证明我们的方法。来自肿瘤球体实验的典型数据是有限的和有噪声的,并且相应的数学模型经常被任意地复杂化。我们的几何方法能够预测不可识别性,将不可识别的参数空间子集化为与个体数据特征相关的可识别参数组合,并从复杂的不可识别模型中提供额外的生物学见解。
2022-08-03 q-bio.QM
A Language for Modeling And Optimizing Experimental Biological Protocols
自动化在所有实验室活动中变得无处不在,导致精确定义和编纂的实验室协议。然而,实验室协议和数学模型之间的集成仍然缺乏。模型描述物理过程,而协议定义实验过程中执行的步骤:两者都不涵盖另一个领域,尽管它们都试图描述相同的现象。理想情况下,我们应该从模型和测试步骤的综合描述开始,同时分析模型参数,设备公差和数据收集的不确定性。为此,我们提出了一种语言来建模和优化实验生化协议,促进这样一个综合的描述,并可以与实验数据相结合。我们提供了一个概率语义,我们的语言的基础上贝叶斯解释,正式表征的不确定性,在数据收集,底层模型,和协议操作。在一组案例研究中,我们说明了如何得到的框架允许自动化分析和优化的实验协议,包括吉布森组装协议。
2021-11-29 q-bio.QM
Rapidly detecting disorder in rhythmic biological signals: A spectral entropy measure to identify cardiac arrhythmias
我们考虑使用功率谱紊乱的连续测量来区分心脏的正常窦性心律和两种形式的心律失常:心房颤动和心房扑动。该谱熵测量是由三种节律期间的搏动定时的谱中的特征差异激发的。我们绘制患者数据来自十拍窗口上的“障碍地图”,并确定节奏定义范围的频谱熵值的水平和方差。在自动心律失常检测算法内采用频谱熵使得能够从患者搏动的时间序列中对心房颤动的周期进行分类。当算法被设置为在6 s内识别异常节律时,它与专业节律评估者的注释的85.7%一致;对于30 s的响应时间,这变为89.5%,对于60 s,这是90.3%。该算法提供了一种快速检测房颤的方法,表明可用的响应时间低至6秒。在频域中的紊乱的措施有实际意义的范围内的生物信号:本文所述的技术具有潜在的应用,在其他节奏信号的快速识别紊乱。
2009-02-16 physics.bio-ph q-bio.QM q-bio.TO
A Single Visualization Technique for Displaying Multiple Metabolite-Phenotype Associations
需要更先进的可视化工具来协助分析和解释人类代谢组学数据,这些数据在数量和复杂性上都在迅速增加。使用从基于人群的社区研究中采样的1400多人队列中的数百种生物活性脂质代谢物的数据集,我们进行了一组全面的关联分析,将所有代谢物与8种人口统计学和心脏代谢特征和结果联系起来。然后,我们比较了现有的图形方法与适应雨图的方法来显示这些分析的结果。雨图结合了雨滴图和并行热图方法的特征,以在单个可视化中简洁地传达将复杂代谢组学数据与多种表型相关联的结果。这种方法补充了现有的工具,特别是通过促进个体代谢物之间的比较和一系列预先指定的临床结果。我们预计,这种单一的可视化技术可以进一步扩展,并应用于使用不同类型的分子表型数据的替代研究设计。
2017-10-12 q-bio.QM stat.AP
Biospectrogram: a tool for spectral analysis of biological sequences
摘要:Biospectrogam是一款用于DNA和蛋白质序列的谱分析的开源软件。该软件可以(从NCBI服务器)获取、导入和管理生物学数据。可以使用数字信号处理(DSP)技术分析数据,因为软件允许用户使用23种流行的编码将符号数据转换为数值数据,然后应用流行的变换,如快速傅立叶变换(FFT)等,并将其导出。(编码文件和转换文件)作为MATLAB .m文件,为用户提供了应用各种DSP技术的选项。用户还可以使用不同大小的窗口进行窗口分析(向前和向后方向滑动以及停滞),并通过使用生物光谱图选择图中的时间延迟,在导出的MATLAB文件的帮助下以动态方式搜索有意义的光谱模式。随机编码和用户选择编码允许软件在频谱空间中搜索许多可能性。可用性:Biospectrogam是用Java编写的,可以从http://www.guptalab.org/biospectrogram免费下载。软件已优化,可在Windows、Mac OSX和Linux上运行。用户手册和youtube(产品演示)教程也可在网站上找到。我们正在为它获取开源许可证。
2012-10-04 cs.CE q-bio.GN q-bio.QM
A computational framework for bioimaging simulation
利用生物成像技术,生物学家试图识别和记录生物细胞中生物现象的分析解释。理论生物学的目标是将这些解释提炼成生化反应网络数学形式的知识,并理解生物分子的联合作用如何产生更高层次的功能。然而,在弥合生物成像和数学建模之间的差距方面仍然存在巨大的挑战。通常,使用荧光显微镜系统的测量受到系统效应的影响,所述系统效应由生物细胞的随机性质、成像装置和光学物理引起。这样的系统效应总是存在于所有的生物成像系统中,并且阻碍了细胞模型和生物图像之间的定量比较。目前还没有进行这种比较的计算工具。因此,在这项工作中,我们提出了一个计算框架,用于处理的细胞模型和光学物理参数的生物成像系统。使用该框架进行的仿真可以在考虑系统影响后生成细胞仿真结果的数字图像。然后,我们证明,这样的框架,使光子计数单位的水平进行比较。
2015-07-07 physics.bio-ph physics.optics q-bio.QM
A Network-based Multimodal Data Fusion Approach for Characterizing Dynamic Multimodal Physiological Patterns
Northeastern University(东北大学)
描述复杂系统的动态交互模式有助于深入了解组件如何相互关联,同时作为一个整体执行某些功能。在这项研究中,我们提出了一种新的多模态数据融合的方法来构建一个复杂的网络,该网络模型的生物子系统的相互作用,在人体情绪状态下,通过生理反应。联合递归图和时间网络度量被用来整合信号级的多模态信息。的基准公共数据集用于评估我们的模型。
2019-01-03 cs.LG q-bio.QM stat.ML
Deep Biological Pathway Informed Pathology-Genomic Multimodal Survival Prediction
Genentech(基因泰克);University of Central Florida(中佛罗里达大学)
多模态数据(如病理图像和基因组数据)的整合对于理解癌症的异质性和个性化治疗的复杂性以及增强生存预测至关重要。尽管在整合病理学和基因组数据方面取得了进展,但大多数现有方法不能彻底挖掘复杂的模态间关系。此外,从这些控制临床前发现和临床预测的模型中识别可解释的特征对于癌症诊断,预后和治疗反应研究至关重要。我们提出了PONET-一种新的生物学途径知情的病理学-基因组深度模型,它集成了病理图像和基因组数据,不仅可以改善生存预测,还可以识别导致患者不同生存率的基因和途径。六个癌症基因组图谱(TCGA)数据集的实证结果表明,我们提出的方法实现了卓越的预测性能,并揭示了有意义的生物学解释。所提出的方法建立了对如何在多模态生物医学数据上训练生物信息深度网络的见解,这将对理解疾病和预测对治疗的反应和抵抗具有普遍适用性。
2023-01-06 cs.LG eess.IV q-bio.GN
DMT-Dens: Density-preserving manifold visualization for biological data
Tsientang Institute for Advanced Study(钱塘高等研究院)
该研究针对生物数据低维嵌入易扭曲采样密度的问题,提出DMT-Dens方法,整合流形对齐与硬对聚合,优化密度相关损失,实现优异保密度效果,同时保持标签可分性。
2026-08-19 cs.AI q-bio.QM
PertMind: Eliciting Emergent Biological Reasoning in LLM via Reinforcement Learning on Cellular Perturbation Data
本研究提出PertMind模型,结合可信轨迹监督初始化与多层面强化信号,以细胞扰动图谱为强化学习环境训练,实现生物推理能力的涌现,且可迁移至多类生物任务。
2026-10-07 cs.AI cs.LG q-bio.QM
Analysing properties of the C. Elegans neural network: mathematically modeling a biological system
大脑是生物世界中研究最多和高度复杂的系统之一。它是所有脊椎动物和大多数无脊椎动物生命背后的信息中心,因此已成为当前研究的主要焦点。虽然这些研究中有许多集中在直接研究大脑,但我们的重点是大脑本身的结构:其核心是一个相互连接的节点(神经元)网络。更好地了解大脑的结构方面应该阐明它的一些功能特性。在本文中,我们分析了线虫秀丽隐杆线虫的大脑。它仅由302个神经元组成,是人们更好理解的神经网络之一。使用网络的279个神经元“巨型组件”的拉普拉斯矩阵,我们使用特征值计数函数来寻找分形自相似性。该矩阵表示还用于绘制(在本征函数坐标中)神经网络的2维和3维可视化。进一步的分析研究了系统的小世界性质,包括平均路径长度和聚类系数。然后,我们测试本地化的本征函数,使用图形能量和空间方差。为了更好地理解这些结果,所有这些计算也都是在随机网络、分支树和已知的分形上进行的,以及那些被“重新布线”以具有小世界属性的分形。这种分析是神经网络研究中的许多垫脚石之一。虽然大脑中的许多结构和功能是已知的,但了解两者如何相互作用也很重要。更好地掌握神经网络的结构特性是这一过程中的关键步骤
2011-09-18 physics.bio-ph q-bio.NC q-bio.QM
A statistical method for revealing form-function relations in biological networks
在过去的十年里,系统生物学的许多研究人员试图将生物系统的功能与它们的网络级描述联系起来--列出最重要的参与者以及它们之间的成对相互作用。无论是对于大型网络(其中统计分析通常是根据重复的小子图的丰度来构建的),还是对于可以更详细地分析(甚至可以在体内合成并进行实验)的小型网络,揭示小子图的拓扑结构与其生物功能之间的关系一直是一个中心目标。在这里,我们试图把这个启示作为一个统计任务,说明使用一个特定的设置,已被实验构建和参数化模型的转录调控已被广泛研究。“功能如何遵循形式”的问题在这里被数学化,通过识别哪些拓扑属性与转录调控网络可以实现的各种可能的信息处理任务相关。由此产生的方法揭示了一个形式功能的关系,这是早先预测的分析结果的基础上,并揭示了第二个,我们可以提供一个分析解释。生成的源代码通过http://formfunction.sourceforge.net发布。
2010-11-30 q-bio.MN q-bio.QM
Increasing stability and interpretability of gene expression signatures
动机:从大规模基因表达数据估计的用于诊断或预后的分子特征通常缺乏鲁棒性和稳定性,使得它们的生物学解释具有挑战性。迫切需要在给定数据集的扰动中增加签名的可解释性和稳定性,并且如果可能的话,在数据集之间增加签名的可解释性和稳定性,以便于发现重要的生物过程,并最终发现新的药物靶点。结果:我们提出了一种新的方法来构建签名,具有更高的稳定性和更容易解释。该方法使用基因网络作为侧解释,并在签名中的基因之间实施大的连接性,从而导致通常由聚集在几个子网络中的基因组成的签名。它结合了最近提出的图Lasso过程与稳定性选择过程。我们评估其相关性的估计预后的签名在乳腺癌中,并特别强调增加的可解释性和稳定性的签名。
2010-01-18 q-bio.GN q-bio.QM stat.AP
Defining a robust biological prior from Pathway Analysis to drive Network Inference
从基因表达数据推断遗传网络是后基因组时代最具挑战性的工作之一,部分原因是可能的网络空间巨大,而可用的数据量相对较少。在这一领域,高斯图模型(GGM)为发现生物网络提供了一个方便的框架。在本文中,我们提出了一个原始的方法来推断基因调控网络使用一个强大的生物先验的结构,以限制候选网络的集合。代表调控网络上生物学知识的通路将被用作驱动网络推理的信息先验知识。这种方法是基于选择一组相关的基因,称为“分子签名”,与感兴趣的条件(例如,参与疾病发展的基因)。在这种情况下,差异表达分析是一种成熟的策略。然而,结果签名往往不一致,研究之间几乎没有重叠。因此,我们将致力于我们的工作的第一部分,以改善生物标志物鉴定的标准过程,以保证分子签名的鲁棒性和再现性。我们的方法能够比较两种感兴趣的条件(例如病例和对照网络)之间推断的网络,并有助于对结果进行生物学解释。因此,它允许确定在这些条件下发生的差异性法规。我们说明了所提出的方法,通过应用我们的方法来研究乳腺癌的治疗反应。
2011-05-17 q-bio.MN q-bio.QM stat.ME
Development of Semantic Web-based Imaging Database for Biological Morphome
RIKEN Center for Life Science Technologies (CLST)(日本理化学研究所生命科学技术中心);RIKEN CLST-JEOL Collaboration Center(日本理化学研究所CLST-JEOL合作中心);RIKEN Compass to Healthy Life Research Complex Program(日本理化学研究所健康生活研究综合体指南项目);RIKEN BioResource Center (BRC)(日本理化学研究所生物资源中心);Advanced Center for Computing and Communication (ACCC), RIKEN(日本理化学研究所高级计算与通信中心)
我们介绍了RIKEN显微结构成像元数据库,一个基于语义网络的成像数据库,其中图像元数据使用资源描述框架(RDF)描述,在图像中观察到的详细生物学特性可以表示为链接的开放数据。元数据被用来开发一个大规模的成像查看器,提供了一个简单的图形用户界面,以可视化一个大的微观结构平铺图像在千兆字节的水平。我们应用该数据库来积累由自动扫描电子显微镜产生的全面的显微结构成像数据。因此,我们成功地管理了大量的图像及其元数据,包括对亚细胞成分和图像中捕获的生物样品中发生的形态表型的解释。我们还讨论了先进的利用形态学成像数据,可以促进这个数据库。
2021-10-20 cs.AI cs.CV cs.DB