論文の概要: A deep belief network-based method to identify proteomic risk markers
for Alzheimer disease
- arxiv url: http://arxiv.org/abs/2003.05776v1
- Date: Wed, 11 Mar 2020 10:37:30 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-24 14:13:12.064924
- Title: A deep belief network-based method to identify proteomic risk markers
for Alzheimer disease
- Title（参考訳）: 深層信頼ネットワークを用いたアルツハイマー病のプロテオームリスクマーカーの同定
- Authors: Ning An, Liuqi Jin, Huitong Ding, Jiaoyun Yang, Jing Yuan
- Abstract要約: 本稿では,アルツハイマー病の病原性因子を同定する新しい特徴選択法を提案する。
この方法は、90%以上の精度を達成したタンパク質の最適なサブセットを選択するのに役立つ。
プロテオミクスリスクマーカーの同定に加えて,アピドネクチンを介する経路が治療薬の標的となる可能性が示唆された。
- 参考スコア（独自算出の注目度）: 1.7574515850427908
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: While a large body of research has formally identified apolipoprotein E
(APOE) as a major genetic risk marker for Alzheimer disease, accumulating
evidence supports the notion that other risk markers may exist. The traditional
Alzheimer-specific signature analysis methods, however, have not been able to
make full use of rich protein expression data, especially the interaction
between attributes. This paper develops a novel feature selection method to
identify pathogenic factors of Alzheimer disease using the proteomic and
clinical data. This approach has taken the weights of network nodes as the
importance order of signaling protein expression values. After generating and
evaluating the candidate subset, the method helps to select an optimal subset
of proteins that achieved an accuracy greater than 90%, which is superior to
traditional machine learning methods for clinical Alzheimer disease diagnosis.
Besides identifying a proteomic risk marker and further reinforce the link
between metabolic risk factors and Alzheimer disease, this paper also suggests
that apidonectin-linked pathways are a possible therapeutic drug target.
- Abstract（参考訳）: 多くの研究機関がアポリポ蛋白E(APOE)をアルツハイマー病の主要な遺伝リスクマーカーとして公式に同定しているが、蓄積された証拠は他のリスクマーカーが存在する可能性を裏付けている。
しかし、伝統的なアルツハイマー特異的なシグネチャ解析法は、リッチなタンパク質の発現データ、特に属性間の相互作用を十分に利用できなかった。
プロテオームおよび臨床データを用いてアルツハイマー病の病原性因子を同定する新規な特徴選択法を開発した。
このアプローチでは、ネットワークノードの重みをタンパク質発現値のシグナルの重要順として捉えている。
候補となるサブセットを作成した後、90%以上の精度を達成したタンパク質の最適なサブセットを選択するのに役立ち、アルツハイマー病の診断における従来の機械学習手法よりも優れている。
プロテオームリスクマーカーの同定と代謝危険因子とアルツハイマー病の関連性の向上に加えて,アピドネクチン関連経路が治療薬の標的となる可能性が示唆された。
関連論文リスト
- Survey and Improvement Strategies for Gene Prioritization with Large Language Models [61.24568051916653]
大規模言語モデル (LLM) は, 医学検査において良好に機能しているが, 希少な遺伝疾患の診断における有効性は評価されていない。
表現型と可溶性レベルに基づいて, マルチエージェントとヒトフェノタイプオントロジー(HPO)を分類した。
ベースラインでは、GPT-4は他のLLMよりも優れており、因果遺伝子を正しくランク付けする際の精度は30%近く向上した。
論文 参考訳（メタデータ） (2025-01-30T23:03:03Z) - ADAM-1: AI and Bioinformatics for Alzheimer's Detection and Microbiome-Clinical Data Integrations [4.426051635422496]
Alzheimer's Disease Analysis Model Generation 1 (ADAM) は、マルチモーダルデータの統合と解析を目的としたマルチエージェント・大規模言語モデル(LLM)フレームワークである。
ADAM-1は多様なデータソースから洞察を合成し、文献駆動のエビデンスを用いて知見を文脈化する。
論文 参考訳（メタデータ） (2025-01-14T18:56:33Z) - Assessing the Efficacy of Classical and Deep Neuroimaging Biomarkers in Early Alzheimer's Disease Diagnosis [2.2667044928324747]
アルツハイマー病(AD)は認知症の主要な原因であり、早期発見は効果的な介入に不可欠である。
本研究の目的は,様々な画像バイオマーカーを抽出し,統合することにより,早期ADの有意な指標を検出することである。
論文 参考訳（メタデータ） (2024-10-31T15:02:16Z) - Statistical testing on generative AI anomaly detection tools in Alzheimer's Disease diagnosis [16.73336092521471]
生成AIは、医療画像における異常検出の可能性を示している。
我々は、選択的推論を用いてこの問題を解決し、アルツハイマーの予測のための信頼できる生成AI手法を開発することを提案する。
論文 参考訳（メタデータ） (2024-10-17T09:15:09Z) - AXIAL: Attention-based eXplainability for Interpretable Alzheimer's Localized Diagnosis using 2D CNNs on 3D MRI brain scans [43.06293430764841]
本研究では,3次元MRIを用いたアルツハイマー病診断の革新的手法を提案する。
提案手法では,2次元CNNがボリューム表現を抽出できるソフトアテンション機構を採用している。
ボクセルレベルの精度では、どの領域に注意が払われているかを同定し、これらの支配的な脳領域を同定する。
論文 参考訳（メタデータ） (2024-07-02T16:44:00Z) - MMIL: A novel algorithm for disease associated cell type discovery [58.044870442206914]
単一細胞データセットは、しばしば個々の細胞ラベルを欠いているため、病気に関連する細胞を特定することは困難である。
セルレベルの分類器の訓練と校正を可能にする予測手法であるMixture Modeling for Multiple Learning Instance (MMIL)を導入する。
論文 参考訳（メタデータ） (2024-06-12T15:22:56Z) - Towards early diagnosis of Alzheimer's disease: Advances in
immune-related blood biomarkers and computational modeling approaches [0.0]
アルツハイマー病は通常遅発性と診断され、現在利用可能な治療法とは対照的である。
アルツハイマー病における脳免疫系クロストーク研究の進展背景について述べる。
血液型免疫系関連バイオマーカーの発見に現代オミクス技術を活用した最近の機械学習およびメカニスティックモデリング手法について概説する。
論文 参考訳（メタデータ） (2023-12-04T16:05:45Z) - Single-Cell Deep Clustering Method Assisted by Exogenous Gene
Information: A Novel Approach to Identifying Cell Types [50.55583697209676]
我々は,細胞間のトポロジ的特徴を効率的に捉えるために,注目度の高いグラフオートエンコーダを開発した。
クラスタリング過程において,両情報の集合を統合し,細胞と遺伝子の特徴を再構成し,識別的表現を生成する。
本研究は、細胞の特徴と分布に関する知見を高め、疾患の早期診断と治療の基礎となる。
論文 参考訳（メタデータ） (2023-11-28T09:14:55Z) - Early Detection of Alzheimer's Disease using Bottleneck Transformers [1.14219428942199]
本稿では,アルツハイマー病の早期発見のために,自己注意型ボトルネックトランスフォーマーのアンサンブルを用いた新しいアプローチを提案する。
提案手法は広く受け入れられているADNIデータセット上でテストされ、精度、精度、リコール、F1スコア、ROC-AUCスコアをパフォーマンス指標として評価している。
論文 参考訳（メタデータ） (2023-05-01T16:17:52Z) - Cancer Gene Profiling through Unsupervised Discovery [49.28556294619424]
低次元遺伝子バイオマーカーを発見するための,新しい,自動かつ教師なしのフレームワークを提案する。
本手法は,高次元中心型非監視クラスタリングアルゴリズムLP-Stabilityアルゴリズムに基づく。
私達の署名は免疫炎症および免疫砂漠の腫瘍の区別の有望な結果報告します。
論文 参考訳（メタデータ） (2021-02-11T09:04:45Z) - A Graph Gaussian Embedding Method for Predicting Alzheimer's Disease
Progression with MEG Brain Networks [59.15734147867412]
アルツハイマー病(AD)に関連する機能的脳ネットワークの微妙な変化を特徴付けることは、疾患進行の早期診断と予測に重要である。
我々は、多重グラフガウス埋め込みモデル(MG2G)と呼ばれる新しいディープラーニング手法を開発した。
我々はMG2Gを用いて、MEG脳ネットワークの内在性潜在性次元を検出し、軽度認知障害(MCI)患者のADへの進行を予測し、MCIに関連するネットワーク変化を伴う脳領域を同定した。
論文 参考訳（メタデータ） (2020-05-08T02:29:24Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。