MétaCan
Menu
Retour à la cohorte
Enregistrement W4380085615 · doi:10.1063/5.0150292

Parameter estimation for the reaction–diffusion master equation

2023· article· en· W4380085615 sur OpenAlexafffund
Dexter Barrows, Silvana Ilie

Notice bibliographique

RevueAIP Advances · 2023
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGene Regulatory Network Analysis
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésIterated functionMaster equationDiffusionSeries (stratigraphy)Reaction–diffusion systemComputer scienceEstimation theoryApplied mathematicsStatistical physicsChemical reactionReaction rateChemical kineticsDiscrete time and continuous timeAlgorithmMathematicsStatisticsChemistryPhysicsThermodynamicsMathematical analysisKinetics

Résumé

récupéré en direct d'OpenAlex

In this paper, we present a novel method to estimate chemical reaction and diffusion rates for biochemical reaction–diffusion dynamics from a time series of observations. Our approach leverages iterated particle filtering as a means to fit a high-dimensional stochastic and discrete spatiotemporal model to sparse time series data, often with some chemical species present in low copy numbers. We demonstrate the feasibility of this approach on three realistic reaction–diffusion systems. In each case, the method recovered known true values for all rate parameters with a great degree of accuracy.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,471
Score d'incertitude au seuil0,192

Scores Codex et Gemma par catégorie

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

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 Opus0,025
Tête enseignante GPT0,281
Écart entre enseignants0,256 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

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
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAIP AdvancesMême sujetGene Regulatory Network AnalysisTravaux en français237 207