[论文解读] A framework for generalized group testing with inhibitors and its potential application in neuroscience

Thach V. Bui, Minoru Kuribayashi+2 more|arXiv (Cornell University)|Oct 2, 2018

SARS-CoV-2 detection and testing参考文献 38被引用 6

一句话总结

本文提出了一种广义群体测试抑制剂框架（GGTI），引入了兼具缺陷项与抑制剂功能的混合项，以建模复杂的生物系统。通过使用测量矩阵实现非自适应、容错的测试，该框架能高效识别神经元类型（兴奋性、抑制性、混合型、阴性），减少所需测试次数，并通过基于万用表的信号检测实现实用化部署。

ABSTRACT

The main goal of group testing with inhibitors (GTI) is to efficiently identify a small number of defective items and inhibitor items in a large set of items. A test on a subset of items is positive if the subset satisfies some specific properties. Inhibitor items cancel the effects of defective items, which often make the outcome of a test containing defective items negative. Different GTI models can be formulated by considering how specific properties have different cancellation effects. This work introduces generalized GTI (GGTI) in which a new type of items is added, i.e., hybrid items. A hybrid item plays the roles of both defectives items and inhibitor items. Since the number of instances of GGTI is large (more than 7 million), we introduce a framework for classifying all types of items non-adaptively, i.e., all tests are designed in advance. We then explain how GGTI can be used to classify neurons in neuroscience. Finally, we show how to realize our proposed scheme in practice.

研究动机与目标

• 开发一种广义群体测试模型，引入兼具缺陷项与抑制剂功能的混合项，以更好地模拟具有复杂相互作用的生物系统。
• 设计一种非自适应测试框架，最小化测试次数，同时实现多种项类型的高效解码。
• 将GGTI框架应用于神经科学领域，对神经元类型进行分类，利用缺陷、抑制剂与混合神经元之间的生物类比。
• 提出基于万用表信号检测的实用化实现方法，替代复杂的神经元连接结构。
• 确保对噪声具有鲁棒性，并保证分类准确，实现最低限度的误分类。

提出的方法

• 通过将经典群体测试扩展至新增类别——兼具缺陷与抑制剂双重功能的混合项，提出广义群体测试抑制剂（GGTI）框架。
• 设计基于测量矩阵的非自适应编码方案，预先设计所有测试，支持并行测试，显著缩短测试时间。
• 在神经科学中应用该框架，将神经元类型映射为项类型：兴奋性（缺陷项）、抑制性（抑制剂项）、混合型（两者兼具）、阴性（均不具）。
• 利用动作电位的全或无特性，将神经活动转化为二元测试结果，与群体测试逻辑保持一致。
• 提出一种实用实现方案，利用传导纤维与万用表检测信号，替代对池化神经元的依赖。
• 设计容错测量矩阵，以应对真实世界神经信号检测中的噪声。

实验结果

研究问题

• RQ1 是否能够通过包含混合项的广义群体测试模型，有效建模神经网络等复杂生物系统？
• RQ2 如何设计非自适应测试，以最小化测试次数，同时确保对多种项类型的准确识别？
• RQ3 GGTI在基于神经回路中功能角色对神经元类型进行分类方面是否具有可行性？
• RQ4 在神经科学的实际GGTI实现中，如何应对现实世界中的噪声与信号检测限制？
• RQ5 是否可能通过所提框架实现恢复的神经元类型集合中接近零误分类？

主要发现

• 所提出的GGTI框架支持超过700万种不同的项类型组合，具备高度灵活性，可建模复杂的生物系统。
• 非自适应设计相比自适应方案显著缩短测试时间，适用于大规模生物筛选。
• 通过将神经元类型映射为缺陷项、抑制剂项、混合项与阴性项，该框架能高效识别神经元类型，所需测试次数低于神经元总数。
• 提出了一种基于万用表与传导纤维的实用实现方案，为复杂神经连接结构提供低成本、可扩展的替代方案。
• 测量矩阵设计具备容错能力，确保在神经信号检测中对噪声具有鲁棒性。
• 研究发现一个开放问题：是否存在一种方案，能保证GGTI恢复集合中零误分类项。