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．

在前一年的流程之后，我们重点是基于观察到的数据和背景知识来改进网络估计方法，并将该方法应用于Covid-19。我们提出了一种“数据知识融合方法”，该方法结合了多元时间序列数据和对状态变量的背景知识，并将其应用于Covid-19基因表达数据和生物背景知识，我们为新颖途径的构建和网络动力学的分析做出了贡献。基于这种方法，我们研究了一种方法，在该方法中，来自多变量时间序列数据的深度学习因果网络在识别微分方程系统中用作假设搜索空间中的约束。作为一个初步实验，我们使用了从已知的管理方程式确定性动态系统人工产生的时间序列中学习的结构性因果模型，并评估了动态动力学动力学的原始方程表示和动力学的动态。所提出的方法比现有方程发现方法具有更高的数学公式的可重复性，即使不可能，也有一种趋势，即以裸露的最小必需变量来表达模型。将来，我们将在处理因果关系和要纳入动力学系统的高级非线性函数的公差范围时改变数学先决条件，并将它们与超参数敏感性分析，可扩展性评估实验以及与现有结构方程式建模方法和时间序列的方法进行比较，从而使其成为新的方法，从而使其完善。

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）