論文の概要: Computational modeling of Human-nCoV protein-protein interaction network
- arxiv url: http://arxiv.org/abs/2005.04108v1
- Date: Tue, 5 May 2020 04:16:21 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-06 14:26:21.973172
- Title: Computational modeling of Human-nCoV protein-protein interaction network
- Title（参考訳）: ヒト-ncov蛋白質間相互作用ネットワークの計算モデル
- Authors: Sovan Saha, Anup Kumar Halder, Soumyendu Sekhar Bandyopadhyay, Piyali
Chatterjee, Mita Nasipuri and Subhadip Basu
- Abstract要約: 新型コロナウイルスは、2020年に死亡率と死亡率の高い世界的なパンデミックを生み出した。
ICTVは、nCoVは2003年のSARS-CoV流行と非常によく似ていると宣言している。
- 参考スコア（独自算出の注目度）: 17.875102234550305
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: COVID-19 has created a global pandemic with high morbidity and mortality in
2020. Novel coronavirus (nCoV), also known as Severe Acute Respiratory Syndrome
Coronavirus 2 (SARS-CoV2), is responsible for this deadly disease.
International Committee on Taxonomy of Viruses (ICTV) has declared that nCoV is
highly genetically similar to SARS-CoV epidemic in 2003 (89% similarity).
Limited number of clinically validated Human-nCoV protein interaction data is
available in the literature. With this hypothesis, the present work focuses on
developing a computational model for nCoV-Human protein interaction network,
using the experimentally validated SARS-CoV-Human protein interactions.
Initially, level-1 and level-2 human spreader proteins are identified in
SARS-CoV-Human interaction network, using Susceptible-Infected-Susceptible
(SIS) model. These proteins are considered as potential human targets for nCoV
bait proteins. A gene-ontology based fuzzy affinity function has been used to
construct the nCoV-Human protein interaction network at 99.98% specificity
threshold. This also identifies the level-1 human spreaders for COVID-19 in
human protein-interaction network. Level-2 human spreaders are subsequently
identified using the SIS model. The derived host-pathogen interaction network
is finally validated using 7 potential FDA listed drugs for COVID-19 with
significant overlap between the known drug target proteins and the identified
spreader proteins.
- Abstract（参考訳）: 新型コロナウイルスは、2020年に死亡率と死亡率の高い世界的なパンデミックを生み出した。
重症急性呼吸器症候群(sars-cov2)とも呼ばれる新型コロナウイルス(ncov)がこの致命的な疾患の原因となっている。
国際ウイルス分類委員会(ictv)は2003年のsars-cov流行と非常に遺伝的に類似していると宣言している(類似度89%)。
臨床的に検証されたヒト-ncovタンパク質の相互作用データの数は限定的である。
本研究は,実験により検証されたSARS-CoV-Humanタンパク質相互作用を用いて,nCoV-Humanタンパク質相互作用ネットワークの計算モデルの開発に焦点を当てる。
当初、レベル1およびレベル2ヒトスプレッダータンパク質は、SARS-CoV-Human相互作用ネットワークにおいて、Susceptible-Infected-Susceptible (SIS)モデルを用いて同定される。
これらのタンパク質は、nCoV餌タンパク質の潜在的なヒト標的と考えられている。
遺伝子オントロジーに基づくファジィ親和性機能は、99.98%の特異性閾値でnCoV-Humanタンパク質相互作用ネットワークを構築するために使用されている。
これはまた、ヒトタンパク質相互作用ネットワークにおけるCOVID-19のレベル1ヒトスプレッダーを同定する。
その後、レベル2ヒトスプレッドラーはSISモデルを用いて同定される。
引き起こされた宿主-病原体相互作用ネットワークは、既知の薬物標的タンパク質と同定されたスプレッダータンパク質との間に大きな重なりを持つ7つのFDAが指定する新型コロナウイルスの薬物を用いて最終的に検証される。
関連論文リスト
- Virus2Vec: Viral Sequence Classification Using Machine Learning [48.40285316053593]
本稿では,バイラル・シークエンスのための特徴ベクトル表現であるVrus2Vecを提案する。
コロナウイルス科の実際のスパイク配列と狂犬病ウイルスのシークエンスデータに基づいてウイルス2Vecを実験的に評価し、宿主を予測した。
以上の結果から, Virus2Vecはベースラインおよび最先端手法の予測精度よりも優れていた。
論文 参考訳（メタデータ） (2023-04-24T08:17:16Z) - Human Behavior in the Time of COVID-19: Learning from Big Data [71.26355067309193]
2020年3月以降、新型コロナウイルスの感染者は6億人を超え、600万人以上が死亡している。
パンデミックはあらゆる面で人間の行動に影響を与え、変化をもたらした。
研究者は自然言語処理、コンピュータビジョン、音声信号処理、頻繁なパターンマイニング、機械学習といったビッグデータ技術を採用してきた。
論文 参考訳（メタデータ） (2023-03-23T17:19:26Z) - A multitask transfer learning framework for the prediction of
virus-human protein-protein interactions [0.30586855806896046]
我々は、約2400万のタンパク質配列の情報と、ヒトの相互作用系からの相互作用パターンを利用する転写学習手法を開発した。
我々は、ヒトタンパク質とタンパク質の相互作用を観測する確率を最大化することを目的とした追加の目的を用いる。
実験結果から,本モデルがウイルス-ヒト-ヒト-ヒト-タンパク質相互作用予測タスクに有効であることが示された。
論文 参考訳（メタデータ） (2021-11-26T07:53:51Z) - Classification of Influenza Hemagglutinin Protein Sequences using
Convolutional Neural Networks [8.397189036839956]
本稿では,インフルエンザA型ウイルスが特定の宿主,具体的にはヒト,鳥,豚の宿主に感染するかどうかを,HA遺伝子のタンパク質配列のみを用いて正確に予測することに焦点を当てる。
本稿では, タンパク質配列を疎水性指数を用いて数値信号に符号化し, その後, 畳み込みニューラルネットワークに基づく予測モデルを活用することを提案する。
その結果,ヒト,鳥,豚の宿主に感染するウイルスが検出された場合,HAタンパク質配列を高い精度で識別できることがわかった。
論文 参考訳（メタデータ） (2021-08-09T10:42:26Z) - Analyzing Host-Viral Interactome of SARS-CoV-2 for Identifying
Vulnerable Host Proteins during COVID-19 Pathogenesis [2.0711877803169134]
感染機構に関与する遺伝子やタンパク質の同定は、複雑な分子機構に光を流す鍵となる。
我々は、キータンパク質を同定し、中心タンパク質の機能強化を行うネットワーク中央度を計算した。
我々は、COVID19は複雑な疾患であり、RBX1、HSPA5、ITCH、RAB7A、RAB5A、RAB8A、PSMC5、CAPZB、CANX、IGF2R、HSPA1Aなど、中枢性および多発性疾患に関連する多くの治療標的を強調した。
論文 参考訳（メタデータ） (2021-02-05T15:57:48Z) - COVID-Net CT-2: Enhanced Deep Neural Networks for Detection of COVID-19
from Chest CT Images Through Bigger, More Diverse Learning [70.92379567261304]
胸部CT画像からのCOVID-19検出のための深部ニューラルネットワークであるCOVID-Net CT-2を導入する。
説明力を活用して、COVID-Net CT-2の意思決定行動を調査します。
結果は有望であり、コンピュータ支援型COVID-19アセスメントの有効なツールとして、ディープニューラルネットワークの強い可能性を示唆している。
論文 参考訳（メタデータ） (2021-01-19T03:04:09Z) - Understanding the temporal evolution of COVID-19 research through
machine learning and natural language processing [66.63200823918429]
重症急性呼吸器症候群2号(SARS-CoV-2)による新型コロナウイルス感染症(COVID-19)の流行は、世界中の人々の生活や社会に影響を与え続けている。
私たちは複数のデータソース、すなわちPubMedとArXivを使用し、現在のCOVID-19研究の風景を特徴づけるために、いくつかの機械学習モデルを構築しました。
調査の結果,PubMedとArXivで利用可能な研究の種類は異なることが確認された。
論文 参考訳（メタデータ） (2020-07-22T18:02:39Z) - CovidDeep: SARS-CoV-2/COVID-19 Test Based on Wearable Medical Sensors
and Efficient Neural Networks [51.589769497681175]
新型コロナウイルス(SARS-CoV-2)がパンデミックを引き起こしている。
SARS-CoV-2の逆転写-ポリメラーゼ連鎖反応に基づく現在の試験体制は、試験要求に追いついていない。
我々は,効率的なDNNと市販のWMSを組み合わせたCovidDeepというフレームワークを提案する。
論文 参考訳（メタデータ） (2020-07-20T21:47:28Z) - PaccMann$^{RL}$ on SARS-CoV-2: Designing antiviral candidates with
conditional generative models [2.0750380105212116]
新型コロナウイルス(COVID-19)の世界的なパンデミックへの急速な発展に伴い、世界中の科学者が、効果的な抗ウイルス治療薬を必死に探している。
タンパク質標的に適合した抗ウイルス候補薬の条件付きデノボ設計のための深層学習フレームワークを提案する。
論文 参考訳（メタデータ） (2020-05-27T11:30:15Z) - One-shot screening of potential peptide ligands on HR1 domain in
COVID-19 glycosylated spike (S) protein with deep siamese network [0.0]
新型ウイルス(2019-nCoV)は、新たな国際健康の台頭を宣言している。
提案されたアプローチの新規性は、2019-nCoVウイルスに対するディープニューラルネットワークの正確なトレーニングにある。
現在のディープラーニングシステムは、2019-nCoVタンパク質構造間のペプチド結合の正確な知識を持っている。
論文 参考訳（メタデータ） (2020-04-05T09:35:41Z) - Mapping the Landscape of Artificial Intelligence Applications against
COVID-19 [59.30734371401316]
世界保健機関(WHO)は、SARS-CoV-2ウイルスによる新型コロナウイルスの感染をパンデミックと宣言した。
我々は、機械学習と、より広範に、人工知能を用いた最近の研究の概要を、新型コロナウイルス危機の多くの側面に取り組むために提示する。
論文 参考訳（メタデータ） (2020-03-25T12:30:33Z)
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。