論文の概要: Identifying efficient controls of complex interaction networks using genetic algorithms

• arxiv url: http://arxiv.org/abs/2007.04853v1
• Date: Thu, 9 Jul 2020 14:56:54 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-12 05:02:39.616718
• Title: Identifying efficient controls of complex interaction networks using genetic algorithms
• Title（参考訳）: 遺伝的アルゴリズムを用いた複雑な相互作用ネットワークの効率的な制御の同定
• Authors: Victor-Bogdan Popescu and Krishna Kanhaiya and Iulian N\u{a}stac and Eugen Czeizler and Ion Petre
• Abstract要約: 本稿では,ネットワーク制御性と呼ばれる問題に対する新しい解を提案する。 我々は、計算薬物再資源化のソリューションを調整する。 我々のアルゴリズムは乳がん、卵巣がん、膵癌に有効な薬物を多数同定する方法を示す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Control theory has seen recently impactful applications in network science, especially in connections with applications in network medicine. A key topic of research is that of finding minimal external interventions that offer control over the dynamics of a given network, a problem known as network controllability. We propose in this article a new solution for this problem based on genetic algorithms. We tailor our solution for applications in computational drug repurposing, seeking to maximise its use of FDA-approved drug targets in a given disease-specific protein-protein interaction network. We show how our algorithm identifies a number of potentially efficient drugs for breast, ovarian, and pancreatic cancer. We demonstrate our algorithm on several benchmark networks from cancer medicine, social networks, electronic circuits, and several random networks with their edges distributed according to the Erd\H{o}s-R\'{e}nyi, the small-world, and the scale-free properties. Overall, we show that our new algorithm is more efficient in identifying relevant drug targets in a disease network, advancing the computational solutions needed for new therapeutic and drug repurposing approaches.
• Abstract（参考訳）: 制御理論は近年、ネットワーク科学、特にネットワーク医学の応用との結びつきにおいて、大きな影響を与えている。 研究の重要なトピックは、ネットワーク制御性として知られるネットワークのダイナミクスを制御できる最小限の外部介入を見つけることである。 本稿では,遺伝的アルゴリズムに基づくこの問題に対する新しい解法を提案する。 我々は、特定の疾患特異的タンパク質間相互作用ネットワークにおいてFDAが承認した薬物標的の使用を最大化するために、計算薬物再資源化の応用のためのソリューションを調整する。 我々のアルゴリズムは乳がん、卵巣がん、膵癌に有効な薬物を多数同定する方法を示す。 提案手法は,がん医学,ソーシャルネットワーク,電子回路,およびerd\h{o}s-r\'{e}nyi,small-world,スケールフリー特性に応じてエッジを分散したランダムネットワークなど,いくつかのベンチマークネットワーク上で実証する。 全体として,本アルゴリズムは疾患ネットワークにおける薬物標的の同定に有効であり,新しい治療法と薬物再資源化アプローチに必要な計算ソリューションを進歩させる。

関連論文リスト

• Simplicity within biological complexity [0.0]
  文献を調査し、マルチスケール分子ネットワークデータの埋め込みのための包括的フレームワークの開発について論じる。 ネットワーク埋め込み手法はノードを低次元空間の点にマッピングすることにより、学習空間の近接性はネットワークのトポロジ-関数関係を反映する。 本稿では,モデルから効率的かつスケーラブルなソフトウェア実装に至るまで,マルチオミックネットワークデータのための汎用的な包括的埋め込みフレームワークを開発することを提案する。
  論文  参考訳（メタデータ） (2024-05-15T13:32:45Z)
• Emerging Drug Interaction Prediction Enabled by Flow-based Graph Neural Network with Biomedical Network [69.16939798838159]
  本稿では,新興医薬品の相互作用を効果的に予測できるグラフニューラルネットワーク(GNN)であるEmerGNNを提案する。 EmerGNNは、薬物ペア間の経路を抽出し、ある薬物から他の薬物へ情報を伝達し、関連する生物学的概念を経路に組み込むことで、薬物のペアワイズ表現を学習する。 全体として、EmerGNNは、新興薬物の相互作用を予測する既存のアプローチよりも精度が高く、バイオメディカルネットワーク上で最も関連性の高い情報を特定できる。
  論文  参考訳（メタデータ） (2023-11-15T06:34:00Z)
• Cross-Validation for Training and Testing Co-occurrence Network Inference Algorithms [1.8638865257327277]
  共起ネットワーク推論アルゴリズムは、微生物、特にバクテリアの複雑な関連を理解するのに役立ちます。 推定されたネットワークの品質を評価するための従来の方法は、外部データの使用、サブサンプル間のネットワーク一貫性などである。 本稿では、共起ネットワーク推論アルゴリズムを評価するための新しいクロスバリデーション手法と、テストデータに基づく予測に既存のアルゴリズムを適用する新しい方法を提案する。
  論文  参考訳（メタデータ） (2023-09-26T19:43:15Z)
• Two Novel Approaches to Detect Community: A Case Study of Omicron Lineage Variants PPI Network [0.5156484100374058]
  我々は,2つの新しいアルゴリズムと4つの広く認識されているアルゴリズムを用いて,変異型B.1.1.529(Omicron virus)のコミュニティを明らかにすることを目指している。 また,ネットワークをグローバルな特性,統計概要,グラフ数,グラフレット,モジュール性による検証などによって比較する。
  論文  参考訳（メタデータ） (2023-08-09T03:51:20Z)
• Anomaly Detection in Multiplex Dynamic Networks: from Blockchain Security to Brain Disease Prediction [0.0]
  ANOMULYは、多重化動的ネットワークのための教師なしエッジ異常検出フレームワークである。 我々は、ANOMULYが、脳疾患や障害を示す可能性のある異常な脳活動を理解するための新しいツールとして、どのように使われるかを示す。
  論文  参考訳（メタデータ） (2022-11-15T18:25:40Z)
• Quantum network medicine: rethinking medicine with network science and quantum algorithms [0.0]
  量子コンピューティングは、ネットワーク医療の可能性を最大限に活用するための重要な要素となるかもしれない。 本稿では,新しい研究分野である量子ネットワーク医学において,ネットワーク医学と量子アルゴリズムを組み合わせることを提案する。
  論文  参考訳（メタデータ） (2022-06-22T09:05:24Z)
• Frequent Itemset-driven Search for Finding Minimum Node Separators in Complex Networks [61.2383572324176]
  本稿では,データマイニングにおける頻繁なアイテムセットマイニングの概念をよく知られたメメティック検索フレームワークに統合する,頻繁なアイテムセット駆動探索手法を提案する。 頻繁なアイテムセット組換え演算子を反復的に使用して、高品質なソリューションで頻繁に発生するアイテムセットに基づいた有望な子孫ソリューションを生成する。 特に、29個の新しい上界を発見し、以前の18個の最もよく知られた境界と一致する。
  論文  参考訳（メタデータ） (2022-01-18T11:16:40Z)
• Learning to Detect Critical Nodes in Sparse Graphs via Feature Importance Awareness [53.351863569314794]
  クリティカルノード問題(CNP)は、削除が残余ネットワークのペア接続性を最大に低下させるネットワークから臨界ノードの集合を見つけることを目的としている。 本研究は,ノード表現のための特徴重要度対応グラフアテンションネットワークを提案する。 ダブルディープQネットワークと組み合わせて、初めてCNPを解くエンドツーエンドのアルゴリズムを作成する。
  論文  参考訳（メタデータ） (2021-12-03T14:23:05Z)
• Credit Assignment in Neural Networks through Deep Feedback Control [59.14935871979047]
  ディープフィードバックコントロール(Deep Feedback Control, DFC)は、フィードバックコントローラを使用して、望ましい出力ターゲットにマッチするディープニューラルネットワークを駆動し、クレジット割り当てに制御信号を使用する新しい学習方法である。 学習規則は空間と時間において完全に局所的であり、幅広い接続パターンに対するガウス・ニュートンの最適化を近似する。 さらに,DFCと皮質錐体ニューロンのマルチコンパートメントモデルと,局所的な電圧依存性のシナプス可塑性規則を関連づける。
  論文  参考訳（メタデータ） (2021-06-15T05:30:17Z)
• LocalDrop: A Hybrid Regularization for Deep Neural Networks [98.30782118441158]
  本稿では,ローカルラデマチャー複雑性を用いたニューラルネットワークの正規化のための新しい手法であるLocalDropを提案する。 フルコネクテッドネットワーク(FCN)と畳み込みニューラルネットワーク(CNN)の両方のための新しい正規化機能は、ローカルラデマチャー複雑さの上限提案に基づいて開発されました。
  論文  参考訳（メタデータ） (2021-03-01T03:10:11Z)
• Towards Interaction Detection Using Topological Analysis on Neural Networks [55.74562391439507]
  ニューラルネットワークでは、あらゆる相互作用する特徴は共通の隠蔽ユニットとの強い重み付けの接続に従う必要がある。 本稿では, 永続的ホモロジーの理論に基づいて, 相互作用強度を定量化するための新しい尺度を提案する。 PID(Persistence Interaction Detection)アルゴリズムを開発した。
  論文  参考訳（メタデータ） (2020-10-25T02:15:24Z)

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。