Fugu-MT 論文翻訳(概要): SARS-CoV-2 virus RNA sequence classification and geographical analysis with convolutional neural networks approach

論文の概要: SARS-CoV-2 virus RNA sequence classification and geographical analysis with convolutional neural networks approach

arxiv url: http://arxiv.org/abs/2007.05055v1
Date: Thu, 9 Jul 2020 20:43:22 GMT
ステータス: 処理完了
システム内更新日: 2022-11-12 05:17:35.275062
Title: SARS-CoV-2 virus RNA sequence classification and geographical analysis with convolutional neural networks approach
Title（参考訳）: SARS-CoV-2ウイルスRNA配列分類と畳み込みニューラルネットワークによる地理的解析
Authors: Selcuk Yazar
Abstract要約: 2019年12月に世界中に広まり、現在も活動しているコビッドウイルスは、今日世界で2万5000人以上の死者を出した。本研究では,SARS-CoV-2ウイルスに属するRNA配列を2つの基本画像処理アルゴリズムで遺伝子モチーフに変換する。 CNNモデルはアジア、ヨーロッパ、アメリカ、オセアニアに分類されたRNA配列で平均98%の面積曲線(AUC)値を達成した。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/publicdomain/zero/1.0/
Abstract: Covid-19 infection, which spread to the whole world in December 2019 and is still active, caused more than 250 thousand deaths in the world today. Researches on this subject have been focused on analyzing the genetic structure of the virus, developing vaccines, the course of the disease, and its source. In this study, RNA sequences belonging to the SARS-CoV-2 virus are transformed into gene motifs with two basic image processing algorithms and classified with the convolutional neural network (CNN) models. The CNN models achieved an average of 98% Area Under Curve(AUC) value was achieved in RNA sequences classified as Asia, Europe, America, and Oceania. The resulting artificial neural network model was used for phylogenetic analysis of the variant of the virus isolated in Turkey. The classification results reached were compared with gene alignment values in the GISAID database, where SARS-CoV-2 virus records are kept all over the world. Our experimental results have revealed that now the detection of the geographic distribution of the virus with the CNN models might serve as an efficient method.
Abstract（参考訳）: 2019年12月に世界中に広まり、現在も活動しているコビッドウイルスは、今日世界で2万5000人以上の死者を出した。この課題に関する研究は、ウイルスの遺伝子構造、ワクチンの開発、疾患の経過、およびその発生源の分析に焦点が当てられている。本研究では,sars-cov-2ウイルスに属するrna配列を2つの画像処理アルゴリズムを用いて遺伝子モチーフに変換し,畳み込みニューラルネットワーク(cnn)モデルに分類した。 CNNモデルはアジア、ヨーロッパ、アメリカ、オセアニアに分類されたRNA配列で平均98%の面積曲線(AUC)値を達成した。その結果得られたニューラルネットワークモデルは、トルコで分離されたウイルスの変異の系統解析に用いられた。その結果,SARS-CoV-2ウイルスの記録を世界中に保持するGISAIDデータベースの遺伝子アライメント値と比較した。実験結果から,cnnモデルを用いたウイルスの地理的分布の検出が効率的である可能性が示唆された。

関連論文リスト

An Analytical Study of Covid-19 Dataset using Graph-Based Clustering Algorithms [0.5156484100374058]
SARS-CoVと2019-nCoVのSARS-CoV-2ウイルスが私たちの体に侵入し、細胞タンパク質の構造にいくつかの違いを引き起こしました。タンパク質とタンパク質の相互作用(PPI)は、我々の細胞に必須のプロセスであり、医薬品の開発において非常に重要な役割を果たす。本研究では,Covi-19データセットの92遺伝子から生成されたPPIネットワーク上でクラスタリングを行った。
論文参考訳（メタデータ） (2023-08-09T04:16:48Z)
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)
Multi-variant COVID-19 model with heterogeneous transmission rates using deep neural networks [0.0]
我々は,B.1.617.2デルタ変種とSARS-CoV-2の伝送特性の違いを明らかにするために,サセプティブル・エフェクト・インフェクト・インフェクト・リカバード数学モデルを開発した。ディープニューラルネットワークを利用し、深層学習アルゴリズムを開発し、各変種に対する時間変化の不均一伝送速度を学習する。
論文参考訳（メタデータ） (2022-05-13T18:02:38Z)
Using Deep Learning Sequence Models to Identify SARS-CoV-2 Divergence [1.9573380763700707]
SARS-CoV-2は上層呼吸器系RNAウイルスで、2021年5月時点で300万人以上が死亡し、全世界で1億5000万人以上が感染している。本稿では、繰り返しおよび畳み込み単位を利用してスパイクタンパク質のアミノ酸配列を取り込み、対応するクレードを分類するニューラルネットワークモデルを提案する。
論文参考訳（メタデータ） (2021-11-12T07:52:11Z)
A k-mer Based Approach for SARS-CoV-2 Variant Identification [55.78588835407174]
アミノ酸の順序を保つことで,分類器の精度が向上することを示す。また,アメリカ疾病予防管理センター(CDC)が報告した,変異の同定に重要な役割を担っているアミノ酸の重要性も示した。
論文参考訳（メタデータ） (2021-08-07T15:08:15Z)
Modeling the geospatial evolution of COVID-19 using spatio-temporal convolutional sequence-to-sequence neural networks [48.7576911714538]
ポルトガルは世界最大の発生率を持つ国であり、人口10万人当たりの14日間の発生率が1000を超える。その重要性にもかかわらず、covid-19の地理空間的進化の正確な予測は依然として課題である。
論文参考訳（メタデータ） (2021-05-06T15:24:00Z)
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)
Gaining Insight into SARS-CoV-2 Infection and COVID-19 Severity Using Self-supervised Edge Features and Graph Neural Networks [8.980876474818153]
深層学習を用いてSARS-CoV-2感染の生物学と新型コロナウイルスの重症度を研究する。本稿では,グラフ注意ネットワーク(GAT)上に構築され,自己教師付き学習を用いてエッジ機能を生成し,これらのエッジ機能をSet Transformer経由で取り込み,そのモデルを提案する。我々は,SARS-CoV-2感染肺オルガノイドと気管支肺胞洗浄液サンプルの単細胞RNAシークエンシングデータセットに本モデルを適用した。
論文参考訳（メタデータ） (2020-06-23T13:22:16Z)
COVID-Net S: Towards computer-aided severity assessment via training and validation of deep neural networks for geographic extent and opacity extent scoring of chest X-rays for SARS-CoV-2 lung disease severity [58.23203766439791]
胸部X線(CXR)はSARS-CoV-2重症度を評価するためにしばしば用いられる。本研究では,深層学習システムを用いて,SARS-CoV-2肺疾患重症度に対するCXRのコンピュータ支援による評価の有効性を評価する。
論文参考訳（メタデータ） (2020-05-26T16:33:52Z)
COVIDX-Net: A Framework of Deep Learning Classifiers to Diagnose COVID-19 in X-Ray Images [10.312968200748116]
2019年の新型コロナウイルス(COVID-19)は、2019年末に中国の武漢市で新型肺炎として発見された。本稿の目的は、放射線科医がX線画像中のCOVID-19を自動的に診断するのを支援するための新しいディープラーニングフレームワーク、すなわちCOVIDX-Netを導入することである。
論文参考訳（メタデータ） (2020-03-24T18:21:10Z)

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。