論文の概要: Prediction of Cancer Microarray and DNA Methylation Data using Non-negative Matrix Factorization

• arxiv url: http://arxiv.org/abs/2007.08652v1
• Date: Wed, 15 Jul 2020 15:45:08 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-10 05:27:09.421982
• Title: Prediction of Cancer Microarray and DNA Methylation Data using Non-negative Matrix Factorization
• Title（参考訳）: 非負行列因子化による癌マイクロアレイとDNAメチル化データの予測
• Authors: Parth Patel, Kalpdrum Passi, Chakresh Kumar Jain
• Abstract要約: 本研究では、このようなマイクロアレイデータの行列構造を利用して、非負行列分解(Non-Negative Matrix Factorization, NMF)と呼ばれる一般的な手法を用いて次元を減少させる。 精度は98%。
• 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: Over the past few years, there has been a considerable spread of microarray technology in many biological patterns, particularly in those pertaining to cancer diseases like leukemia, prostate, colon cancer, etc. The primary bottleneck that one experiences in the proper understanding of such datasets lies in their dimensionality, and thus for an efficient and effective means of studying the same, a reduction in their dimension to a large extent is deemed necessary. This study is a bid to suggesting different algorithms and approaches for the reduction of dimensionality of such microarray datasets. This study exploits the matrix-like structure of such microarray data and uses a popular technique called Non-Negative Matrix Factorization (NMF) to reduce the dimensionality, primarily in the field of biological data. Classification accuracies are then compared for these algorithms. This technique gives an accuracy of 98%.
• Abstract（参考訳）: 過去数年間、マイクロアレイ技術は多くの生物学的パターン、特に白血病、前立腺、大腸癌などのがん疾患に関連するものにおいてかなりの普及を遂げてきた。 このようなデータセットの適切な理解において1つの経験が持つ主なボトルネックは、その次元性であり、効率的かつ効果的な研究手段であるためには、その次元を広範囲に縮小する必要があると考えられる。 本研究は,マイクロアレイデータセットの次元性低減のための,異なるアルゴリズムと手法を提案する試みである。 本研究は, マイクロアレイデータの行列構造を利用して, 非負行列分解(Non-Negative Matrix Factorization, NMF)と呼ばれる一般的な手法を用いて, 主に生体データ分野における次元の減少を図る。 分類精度はこれらのアルゴリズムで比較される。 精度は98%。

関連論文リスト

• Low dimensional representation of multi-patient flow cytometry datasets using optimal transport for minimal residual disease detection in leukemia [1.2564343689544843]
  急性骨髄性白血病(AML)におけるMRD(Representing and Minimal Residual Disease)は予後と予後に必須である。 本稿では, 最適輸送(OT)に基づく統計的学習手法について検討し, フロー計測の低次元表現を実現する。 特に、我々のOTベースのアプローチは、FlowSomアルゴリズムの結果の関連性および情報的2次元表現を可能にする。
  論文  参考訳（メタデータ） (2024-07-24T14:53:01Z)
• 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)
• Spectral Entry-wise Matrix Estimation for Low-Rank Reinforcement Learning [53.445068584013896]
  低ランク構造を持つ強化学習(RL)における行列推定問題について検討した。 低ランク帯では、回収される行列は期待される腕の報酬を指定し、低ランクマルコフ決定プロセス(MDP)では、例えばMDPの遷移カーネルを特徴付ける。 簡単なスペクトルベースの行列推定手法は,行列の特異部分空間を効率よく復元し,ほぼ最小の入力誤差を示すことを示す。
  論文  参考訳（メタデータ） (2023-10-10T17:06:41Z)
• Non-Negative Matrix Factorization with Scale Data Structure Preservation [23.31865419578237]
  本稿では,データ表現と次元縮小のために設計された非負行列分解法に属するモデルについて述べる。 この考え方は、NMFコスト関数に、元のデータポイントと変換されたデータポイントのペアの類似度行列のスケール関係を課すペナルティ項を追加することである。 提案したクラスタリングアルゴリズムは,既存のNMFベースのアルゴリズムや,実際のデータセットに適用した場合の多様体学習ベースのアルゴリズムと比較される。
  論文  参考訳（メタデータ） (2022-09-22T09:32:18Z)
• Benchmarking Machine Learning Robustness in Covid-19 Genome Sequence Classification [109.81283748940696]
  我々は、IlluminaやPacBioといった一般的なシークエンシングプラットフォームのエラープロファイルを模倣するために、SARS-CoV-2ゲノム配列を摂動する方法をいくつか紹介する。 シミュレーションに基づくいくつかのアプローチは、入力シーケンスに対する特定の敵攻撃に対する特定の埋め込み手法に対して、他の手法よりも堅牢(かつ正確)であることを示す。
  論文  参考訳（メタデータ） (2022-07-18T19:16:56Z)
• Gene selection from microarray expression data: A Multi-objective PSO with adaptive K-nearest neighborhood [0.0]
  本稿では,遺伝子発現データを用いたヒト癌疾患の分類問題について論じる。 マイクロアレイデータセットを解析し,がん疾患を効果的に分類するための新しい手法を提案する。
  論文  参考訳（メタデータ） (2022-05-27T04:22:10Z)
• Deep neural networks approach to microbial colony detection -- a comparative analysis [52.77024349608834]
  本稿では,AGARデータセットを用いた3つの深層学習手法の性能について検討する。 得られた結果は将来の実験のベンチマークとして機能するかもしれない。
  論文  参考訳（メタデータ） (2021-08-23T12:06:00Z)
• Entropy Minimizing Matrix Factorization [102.26446204624885]
  NMF(Nonnegative Matrix Factorization)は、広く使用されているデータ分析技術であり、多くの実際のタスクで印象的な結果をもたらしました。 本研究では,上述の問題に対処するために,EMMF (Entropy Minimizing Matrix Factorization framework) を開発した。 通常、外れ値が通常のサンプルよりもはるかに小さいことを考えると、行列分解のために新しいエントロピー損失関数が確立される。
  論文  参考訳（メタデータ） (2021-03-24T21:08:43Z)
• A Deep Embedded Refined Clustering Approach for Breast Cancer Distinction based on DNA Methylation [0.0]
  本研究では、DNAメチル化に基づく乳癌分化のための深層組込み精製クラスタリング法を提案する。 提案手法は主に2つの段階からなる。 第1段階は、オートエンコーダに基づくメチル化データの次元的縮小である。 第2段階は、オートエンコーダによって提供される潜在空間のソフトアサインに基づくクラスタリングアルゴリズムである。
  論文  参考訳（メタデータ） (2021-02-18T16:46:25Z)
• A Novel Bio-Inspired Hybrid Multi-Filter Wrapper Gene Selection Method with Ensemble Classifier for Microarray Data [0.8594140167290097]
  遺伝子選択問題を解き、エンサンブルアルゴリズムを構築するために、新しいハイブリッドソリューションが提示される。 ACMOFOAはデータセットの寸法を小さくし、KELMを最適化し、分類の精度を高めることを目的としたラッパー法として提示される。 提案アルゴリズムの性能は,9つのマイクロアレイデータセット上で評価された。
  論文  参考訳（メタデータ） (2021-01-04T07:57:35Z)
• A Systematic Approach to Featurization for Cancer Drug Sensitivity Predictions with Deep Learning [49.86828302591469]
  35,000以上のニューラルネットワークモデルをトレーニングし、一般的な成果化技術を駆使しています。 RNA-seqは128以上のサブセットであっても非常に冗長で情報的であることがわかった。
  論文  参考訳（メタデータ） (2020-04-30T20:42:17Z)

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。