Machine learning of high-dimensional life dynamics time series for reduction to low-dimensional systems and its application to controlling problems

用于还原为低维系统的高维生命动态时间序列的机器学习及其在控制问题中的应用

基本信息

批准号：
22K11941
负责人：
藤崎弘士
金额：
$ 2.58万
依托单位：
Nippon Medical School
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (C)
财政年份：
2022
资助国家：
日本
起止时间：
2022-04-01 至 2025-03-31
项目状态：
未结题

来源：
https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-22K11941/
关键词：
時系列解析分子動力学多様体学習ニューラルネットワーク

项目摘要

生命現象をダイナミクスとして考えるとそれは高次元空間上の運動であるが、実験・観測データは様々な技術上の制約から低次元であることが多く、次元が縮約・粗視化された力学系としての理解が求められることが多い。しかし、生体系のダイナミクスは不均一で階層性があるので、それを粗視化する一般論を構築することは非常に難しい。一方、データサイエンスの現場においては、ニューラルネットワークの手法の一つである自己符号化器(autoencoder, AE）が次元削減のために用いられることが多い。本申請ではそれを時間軸方向に拡張した時間遅れのある自己符号化器(time-lagged AE,tAE)や多様体学習の一種である拡散マップを適用することで、タンパク質や細胞、脳波のような生体系の多次元ダイナミクスを縮約・粗視化し、よく用いられる既存の時系列解析手法と比較する。本年度はまず状態変化が起こる経路を統計的に得るための重み付きアンサンブル法の改良を行った。経路の重みの考えに立ち返り、その重みを尤度と考えて、最大化するためのパラメータ間の条件を見出した。その結果を1次元の二重井戸の系に適用し、それが正しいことを示した後、その結果を常温のシニョリンやアデニル酸キナーゼといった生体分子系に適用し、効率的なサンプリング時間を得ることができた。次に、細胞のダイナミクスをセルラーポッツ模型でモデル化し、創傷治癒過程に tAE を適用することで、ゆっくりと動く低次元の自由度を取り出すことができた。また、日医大の高田らの血管新生に関する細胞動画を解析するために、その動画データをまず畳み込みニューラルネットワーク(AlexNet)で1000次元に落としてから、それをさらに拡散マップで数次元に低次元化した。その結果、血管新生に関わる低次元の自由度を取り出すことができた。

如果我们把生命现象看成是动态的，那么它们就是高维空间中的运动，但由于各种技术的限制，实验和观测数据往往是低维的，是降维、粗粒度理解的动力系统。经常需要。然而，由于生物系统的动力学是异质和分层的，因此构建粗粒度的通用理论极其困难。另一方面，在数据科学领域，作为神经网络技术之一的自动编码器（AE）经常用于降维。在此应用中，我们应用了在时间轴方向上扩展的时间滞后自动编码器（时间滞后AE，tAE）和扩散图（一种流形学习的类型）来分析蛋白质、细胞和脑电波。我们将减少和粗粒度生物系统的多维动力学，并将其与常用的现有时间序列分析方法进行比较。今年，我们首先改进了加权集成方法，以统计方式获取状态变化发生的路径。回到路线权重的想法，我们将权重视为可能性，并找到参数之间的条件以最大化它们。将结果应用到一维双井系统并证明它们是正确的，然后将结果应用到室温下的生物分子系统（例如chignolin和腺苷酸激酶）以获得高效的采样时间。接下来，通过使用细胞 Potts 模型对细胞动力学进行建模并将 tAE 应用于伤口愈合过程，我们能够提取缓慢移动的低维自由度。此外，为了分析日医大学Takada等人的与血管生成相关的细胞视频，我们首先使用卷积神经网络（AlexNet）将视频数据降低到1000维，然后进一步将维度降低到几个维度。使用扩散贴图做到了。结果，我们能够提取与血管生成相关的低维自由度。