细胞表面受体的局部聚类与全球扩散:最优空间梯度感知
机器学习
2024-10-07 v1 人工智能
摘要
细胞表面受体的空间信息对于需要信号处理和环境感知的过程至关重要。本文通过一种最小化梯度估计不确定性的理论模型,探讨了此类受体的最优放置。无需对感知的物理极限或生化过程的先验知识,我们再现了与真实细胞中观察到的聚类 closely resembling 的结果。在完美的球面上,最优受体均匀分布。当扰动破坏其对称性时,受体在曲率较大的区域聚集,从而大幅降低估计不确定性。这一发现与最小化受体与细胞膜弹性偏差的机制模型一致。我们进一步将模型扩展到响应细胞形状变化和外部流体流动的运动受体,展示了该模型在真实情景中的相关性。我们的发现为在感知精度至关重要时,受体在高曲率区域聚集提供了一个简单且实用的解释。
引用
@article{arxiv.2410.03396,
title = {GraphCroc: Cross-Correlation Autoencoder for Graph Structural Reconstruction},
author = {Shijin Duan and Ruyi Ding and Jiaxing He and Aidong Adam Ding and Yunsi Fei and Xiaolin Xu},
journal= {arXiv preprint arXiv:2410.03396},
year = {2024}
}
备注
22 pages, 16 figures. Accepted in NeurIPS 2024