MétaCan
Menu
Retour à la cohorte
Enregistrement W1523724710 · doi:10.5555/1357910.1358032

A stochastic particle-based biological system simulator

2007· article· en· W1523724710 sur OpenAlexaff
Laurier Boulianne, Michel Dumontier, Warren J. Gross

Notice bibliographique

RevueResearch Publications (Maastricht University) · 2007
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGene Regulatory Network Analysis
Établissements canadiensCarleton UniversityMcGill University
Organismes subventionnairesnon disponible
Mots-clésLocalityComputer scienceGridParticle systemStochastic simulationVisualizationStochastic modellingStochastic processSimulationDistributed computingArtificial intelligenceMathematicsComputer graphics (images)

Résumé

récupéré en direct d'OpenAlex

The simulation and visualization of biological systems is expected to enhance our understanding of biological processes towards the development of effective therapeutic treatments. Biological systems are inherently stochastic at the molecular level, exhibit modified behavior under crowded conditions and may be affected by spatial locality. Common simulation approaches fail to account for these important aspects of biological systems, in part because they are computationally expensive. Here, we describe a stochastic, particle-based simulator that takes spatial locality into account. Each particle in the system is represented explicitly on a 3D grid where only one particle can occupy a grid location. The grid structure and stochastic approach removes the need for distance calculation and particle search. We demonstrate the effect of molecular crowding and spatial locality for a simple biological system. We anticipate that this system will be useful in examining more complex systems. Finally, this system is expected to be suitable for acceleration with parallel customizable hardware, a necessary requirement towards the simulation of an entire cell.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,056
Tête enseignante GPT0,306
Écart entre enseignants0,250 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueResearch Publications (Maastricht University)Même sujetGene Regulatory Network AnalysisTravaux en français237 207