Nested Inheritance Dynamics

这一段讨论了生物过程的遗传，例如生物的发育过程或生命周期，这个概念在生物学文献中已经被讨论过，但缺乏正式的数学描述和可行的数据分析框架。作者介绍了一种扩展嵌套狄利克雷过程(nDP)的多尺度模型，以帮助理解生物过程如何被遗传、保持稳定并在世代间被修改的机制。为了解决这些问题，作者引入了嵌套遗传动力学算法(NIDA)。在主要层面上，NIDA包括了在个体生命周期内展开的所有过程。次级层面划分了这些过程随时间演变或保持稳定的动态。这个框架允许在任一尺度上规定物理系统模型，从而促进与已有的发育和遗传模型的无缝集成。

本论文旨在引入一种多尺度的模型，扩展嵌套狄利克雷过程（nDP），用于帮助理解生物过程是如何被继承、保持稳定并在代际间被修改的机制，并提供一种数据分析框架。

本文提出了嵌套继承动态算法（NIDA），将所有在个体生命周期内展开的过程纳入到主要层级中，次要层级描绘了这些过程随时间演变或保持稳定的动态。该框架允许在任一尺度上规定物理系统模型，从而促进与已有的发育和遗传模型的无缝集成。

本文的亮点包括：引入了多尺度模型来帮助理解生物过程的继承和演变；提出了NIDA算法，能够在不同层级上规定物理系统模型，达到无缝集成的效果；通过实验验证了该模型的有效性。相关研究包括嵌套狄利克雷过程以及其他生物学和机器学习领域的相关研究。

与本文相关的研究包括：嵌套狄利克雷过程（nested Dirichlet Process，nDP）；生物学和机器学习领域的其他相关研究。