論文の概要: Recent Advances in Network-based Methods for Disease Gene Prediction
- arxiv url: http://arxiv.org/abs/2007.10848v2
- Date: Thu, 17 Dec 2020 22:47:07 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-09 00:49:31.690841
- Title: Recent Advances in Network-based Methods for Disease Gene Prediction
- Title（参考訳）: ネットワークを用いた疾患遺伝子予測の最近の進歩
- Authors: Sezin Kircali Ata, Min Wu, Yuan Fang, Le Ou-Yang, Chee Keong Kwoh and
Xiao-Li Li
- Abstract要約: ゲノムワイド・アソシエーション研究(GWAS)による疾患遺伝子関連研究は、研究者にとって困難な課題である。
代替の低コストの疾患遺伝子関連証拠を研究者に提供するため、計算アプローチが実施される。
分子ネットワークは病気の分子間の複雑な相互作用を捉えることができるため、疾患遺伝子関連予測において最も広く使われているデータの一つである。
- 参考スコア（独自算出の注目度）: 15.625526953844638
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Disease-gene association through Genome-wide association study (GWAS) is an
arduous task for researchers. Investigating single nucleotide polymorphisms
(SNPs) that correlate with specific diseases needs statistical analysis of
associations. Considering the huge number of possible mutations, in addition to
its high cost, another important drawback of GWAS analysis is the large number
of false-positives. Thus, researchers search for more evidence to cross-check
their results through different sources. To provide the researchers with
alternative low-cost disease-gene association evidence, computational
approaches come into play. Since molecular networks are able to capture complex
interplay among molecules in diseases, they become one of the most extensively
used data for disease-gene association prediction. In this survey, we aim to
provide a comprehensive and an up-to-date review of network-based methods for
disease gene prediction. We also conduct an empirical analysis on 14
state-of-the-art methods. To summarize, we first elucidate the task definition
for disease gene prediction. Secondly, we categorize existing network-based
efforts into network diffusion methods, traditional machine learning methods
with handcrafted graph features and graph representation learning methods.
Thirdly, an empirical analysis is conducted to evaluate the performance of the
selected methods across seven diseases. We also provide distinguishing findings
about the discussed methods based on our empirical analysis. Finally, we
highlight potential research directions for future studies on disease gene
prediction.
- Abstract（参考訳）: ゲノムワイド・アソシエーション研究(GWAS)による疾患遺伝子関連研究は、研究者にとって困難な課題である。
特定の疾患と相関する単一ヌクレオチド多型(SNP)を調べるには、関連性の統計的解析が必要である。
突然変異の可能性が大きいことを考えると、高いコストに加えて、GWAS分析のもう一つの重要な欠点は偽陽性の数が多すぎることである。
そこで研究者たちは、さまざまな情報源で結果をクロスチェックする証拠を探す。
代替の低コストの疾患遺伝子関連証拠を研究者に提供するため、計算アプローチが実施される。
分子ネットワークは病気の分子間の複雑な相互作用を捉えることができるため、疾患遺伝子関連予測において最も広く用いられるデータの一つとなる。
本調査では,ネットワークを用いた疾患遺伝子予測手法の総合的かつ最新のレビューを行う。
また,14種類の最先端手法の実証分析を行った。
まず,疾患遺伝子予測のタスク定義を明らかにする。
次に,ネットワーク拡散法,手作りのグラフ特徴を持つ従来の機械学習法,グラフ表現学習法について検討した。
第3に,7つの疾患にまたがって選択された方法の性能を評価する実験分析を行った。
また,本研究の実証分析に基づいて,提案手法の判別を行った。
最後に,今後の疾患遺伝子予測研究の方向性を明らかにする。
関連論文リスト
- Interpreting artificial neural networks to detect genome-wide association signals for complex traits [0.0]
複雑な疾患の遺伝的アーキテクチャを調べることは、遺伝的および環境要因の高度にポリジェニックでインタラクティブな景観のために困難である。
我々は、シミュレーションと実際のジェノタイプ/フェノタイプデータセットの両方を用いて、複雑な特性を予測するために、人工ニューラルネットワークを訓練した。
論文 参考訳（メタデータ） (2024-07-26T15:20:42Z) - Using Pre-training and Interaction Modeling for ancestry-specific disease prediction in UK Biobank [69.90493129893112]
近年のゲノムワイド・アソシエーション(GWAS)研究は、複雑な形質の遺伝的基盤を明らかにしているが、非ヨーロッパ系個体の低発現を示している。
そこで本研究では,マルチオミクスデータを用いて,多様な祖先間での疾患予測を改善することができるかを評価する。
論文 参考訳（メタデータ） (2024-04-26T16:39:50Z) - Seeing Unseen: Discover Novel Biomedical Concepts via
Geometry-Constrained Probabilistic Modeling [53.7117640028211]
同定された問題を解決するために,幾何制約付き確率的モデリング処理を提案する。
構成された埋め込み空間のレイアウトに適切な制約を課すために、重要な幾何学的性質のスイートを組み込む。
スペクトルグラフ理論法は、潜在的な新規クラスの数を推定するために考案された。
論文 参考訳（メタデータ） (2024-03-02T00:56:05Z) - 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) - Machine Learning Methods for Cancer Classification Using Gene Expression
Data: A Review [77.34726150561087]
がんは心臓血管疾患の2番目の死因である。
遺伝子発現は癌の早期発見において基本的な役割を担っている。
本研究は,機械学習を用いた癌分類における遺伝子発現解析の最近の進歩を概説する。
論文 参考訳（メタデータ） (2023-01-28T15:03:03Z) - rfPhen2Gen: A machine learning based association study of brain imaging
phenotypes to genotypes [71.1144397510333]
56個の脳画像QTを用いてSNPを予測する機械学習モデルを学習した。
アルツハイマー病(AD)リスク遺伝子APOEのSNPは、ラスソとランダムな森林に対して最低のRMSEを有していた。
ランダム・フォレストは、線形モデルによって優先順位付けされなかったが、脳関連疾患と関連があることが知られている追加のSNPを特定した。
論文 参考訳（メタデータ） (2022-03-31T20:15:22Z) - Data-Driven Logistic Regression Ensembles With Applications in Genomics [0.0]
本稿では,正規化とアンサンブルのアイデアを組み合わせた高次元二項分類問題に対する新しいアプローチを提案する。
がん,多発性硬化症,乾皮症などの共通疾患を含むいくつかの医学的データセットを用いて,バイオマーカーの予測精度と同定の点で,本手法の優れた性能を実証した。
論文 参考訳（メタデータ） (2021-02-17T05:57:26Z) - Relation-weighted Link Prediction for Disease Gene Identification [0.3078691410268859]
このようなグラフ上の疾患遺伝子を識別する新しい機械学習手法を提案する。
我々のアルゴリズムは、病気遺伝子同定における最先端の競争相手を24.1%上回っている。
また, パーキンソン病の臨床治験における薬物標的の予測に関して, 標的同定の主導的取り組みである Open Targets よりも高い精度を達成できることが示唆された。
論文 参考訳（メタデータ） (2020-11-10T15:09:33Z) - Expectile Neural Networks for Genetic Data Analysis of Complex Diseases [3.0088453915399747]
本研究では、複雑な疾患の遺伝子データ解析のための予測型ニューラルネットワーク(ENN)法を開発した。
期待回帰と同様に、ERNは遺伝子変異と疾患の表現型との関係を包括的に把握する。
提案手法は,遺伝子変異と疾患表現型との間に複雑な関係がある場合,既存の予測回帰よりも優れていた。
論文 参考訳（メタデータ） (2020-10-26T21:07:40Z) - Select-ProtoNet: Learning to Select for Few-Shot Disease Subtype
Prediction [55.94378672172967]
本研究は, 類似患者のサブグループを同定し, 数発の疾患のサブタイプ予測問題に焦点を当てた。
新しいモデルを開発するためにメタラーニング技術を導入し、関連する臨床課題から共通の経験や知識を抽出する。
我々の新しいモデルは、単純だが効果的なメタ学習マシンであるPrototypeal Networkと呼ばれる、慎重に設計されたメタラーナーに基づいて構築されている。
論文 参考訳（メタデータ） (2020-09-02T02:50:30Z)
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。