دانلود مقاله انگلیسی رایگان:چارچوبی برای تغییر حوزه جذب شبکه های نظارتی ژن از طریق یادگیری تقویتی دسته ای - 2020
بلافاصله پس از پرداخت دانلود کنید
دانلود مقاله انگلیسی یادگیری تقویتی رایگان
  • A framework to shift basins of attraction of gene regulatory networks through batch reinforcement learning A framework to shift basins of attraction of gene regulatory networks through batch reinforcement learning
    A framework to shift basins of attraction of gene regulatory networks through batch reinforcement learning

    سال انتشار:

    2020


    عنوان انگلیسی مقاله:

    A framework to shift basins of attraction of gene regulatory networks through batch reinforcement learning


    ترجمه فارسی عنوان مقاله:

    چارچوبی برای تغییر حوزه جذب شبکه های نظارتی ژن از طریق یادگیری تقویتی دسته ای


    منبع:

    Sciencedirect - Elsevier - Artificial Intelligence In Medicine, 107 (2020) 101853. doi:10.1016/j.artmed.2020.101853


    نویسنده:

    Cyntia Eico Hayama Nishidaa,*, Reinaldo A. Costa Bianchib, Anna Helena Reali Costaa


    چکیده انگلیسی:

    A major challenge in gene regulatory networks (GRN) of biological systems is to discover when and what interventions should be applied to shift them to healthy phenotypes. A set of gene activity profiles, called basin of attraction (BOA), takes this network to a specific phenotype; therefore, a healthy BOA leads the GRN to a healthy phenotype. However, without the complete observability of the genes, it is not possible to identify whether the current BOA is healthy. In this article we investigate external interventions in GRN with partial observability aiming to bring it to healthy BOAs. We propose a new batch reinforcement learning method (BRL), called mSFQI, to define intervention strategies based on the probabilities of the gene activity profiles being in healthy BOAs, which are calculated from a set of previous observed experiences. BRL uses approximation functions and repeated applications of previous experiences to accelerate learning. Results demonstrate that our proposal can quickly shift a partially observable GRN to healthy BOAs, while reducing the number of interventions. In addition, when observability is poor, mSFQI produces better results when the probabilities for a greater amount of previous observations are available.
    Keywords: Reinforcement learning | Gene regulatory network | Basin of attraction


    سطح: متوسط
    تعداد صفحات فایل pdf انگلیسی: 10
    حجم فایل: 2573 کیلوبایت

    قیمت: رایگان


    توضیحات اضافی:




اگر این مقاله را پسندیدید آن را در شبکه های اجتماعی به اشتراک بگذارید (برای به اشتراک گذاری بر روی ایکن های زیر کلیک کنید)

تعداد نظرات : 0

الزامی
الزامی
الزامی
rss مقالات ترجمه شده rss مقالات انگلیسی rss کتاب های انگلیسی rss مقالات آموزشی
logo-samandehi