論文の概要: Unravelling the Architecture of Membrane Proteins with Conditional
Random Fields
- arxiv url: http://arxiv.org/abs/2008.02467v1
- Date: Thu, 6 Aug 2020 05:57:20 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-02 06:46:03.458135
- Title: Unravelling the Architecture of Membrane Proteins with Conditional
Random Fields
- Title(参考訳): 条件付ランダムフィールドによる膜タンパク質の構造解明
- Authors: Lior Lukov, Sanjay Chawla, Wei Liu, Brett Church, and Gaurav Pandey
- Abstract要約: 条件ランダム場 (CRF) は, 生物体に関するマイクロレベルの情報を数学的モデルに統合し, マクロレベルの振る舞いを理解するテンプレートを提供する。
ベンチマークデータセットと他の28の手法との比較では、CRFモデルが極めて正確な予測につながることが示されている。
- 参考スコア(独自算出の注目度): 11.321552104966326
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this paper, we will show that the recently introduced graphical model:
Conditional Random Fields (CRF) provides a template to integrate micro-level
information about biological entities into a mathematical model to understand
their macro-level behavior. More specifically, we will apply the CRF model to
an important classification problem in protein science, namely the secondary
structure prediction of proteins based on the observed primary structure. A
comparison on benchmark data sets against twenty-eight other methods shows that
not only does the CRF model lead to extremely accurate predictions but the
modular nature of the model and the freedom to integrate disparate, overlapping
and non-independent sources of information, makes the model an extremely
versatile tool to potentially solve many other problems in bioinformatics.
- Abstract(参考訳): 本稿では,最近導入されたグラフィカルモデルである条件ランダム場 (CRF) が,生物体に関するマイクロレベルの情報を数学的モデルに統合し,マクロレベルの振る舞いを理解するテンプレートを提供する。
具体的には、CRFモデルをタンパク質科学の重要な分類問題、すなわち観察された一次構造に基づくタンパク質の二次構造予測に適用する。
ベンチマークデータセットを28の他の方法と比較すると、crfモデルは極めて正確な予測につながるだけでなく、モデルのモジュラー性や、異種、重複、非独立な情報ソースを統合できる自由によって、バイオインフォマティクスの他の多くの問題を潜在的に解決できる非常に多用途なツールとなっている。
関連論文リスト
- Endowing Protein Language Models with Structural Knowledge [5.587293092389789]
本稿では,タンパク質構造データを統合することにより,タンパク質言語モデルを強化する新しいフレームワークを提案する。
PST(Protein Structure Transformer)と呼ばれる精製モデルは、小さなタンパク質構造データベース上でさらに事前訓練されている。
PSTは、タンパク質配列の最先端基盤モデルであるESM-2を一貫して上回り、タンパク質機能予測の新しいベンチマークを設定している。
論文 参考訳(メタデータ) (2024-01-26T12:47:54Z) - Navigating protein landscapes with a machine-learned transferable
coarse-grained model [29.252004942896875]
同様の予測性能を持つ粗粒度(CG)モデルは、長年にわたる課題である。
ケミカルトランスポータビリティを持つボトムアップCG力場を開発し,新しい配列の分子動力学に利用することができる。
本モデルでは, 折り畳み構造, 中間体, メタスタブル折り畳み型および折り畳み型流域, 内在的に不規則なタンパク質のゆらぎの予測に成功している。
論文 参考訳(メタデータ) (2023-10-27T17:10:23Z) - On the hierarchical Bayesian modelling of frequency response functions [0.0]
階層的ベイズモデルは、人口(または親)とドメインレベルの統計分布を同時に学習する。
パラメータ推定値、特にデータが制限されている場合、分散は減少する。
モデリングのアプローチは従来のSHMの文脈でも示されており、単一のヘリコプターブレードが様々な温度で露出している。
論文 参考訳(メタデータ) (2023-07-12T16:03:34Z) - EigenFold: Generative Protein Structure Prediction with Diffusion Models [10.24107243529341]
EigenFoldは、特定のタンパク質配列から構造分布をサンプリングする拡散生成モデリングフレームワークである。
最近のCAMEOターゲットでは、EigenFoldは0.84の中央値TMSスコアを達成し、モデルの不確実性のより包括的な画像を提供する。
論文 参考訳(メタデータ) (2023-04-05T02:46:13Z) - Learning from aggregated data with a maximum entropy model [73.63512438583375]
我々は,観測されていない特徴分布を最大エントロピー仮説で近似することにより,ロジスティック回帰と類似した新しいモデルが,集約データからのみ学習されることを示す。
我々は、この方法で学習したモデルが、完全な非凝集データでトレーニングされたロジスティックモデルに匹敵するパフォーマンスを達成することができるという、いくつかの公開データセットに関する実証的な証拠を提示する。
論文 参考訳(メタデータ) (2022-10-05T09:17:27Z) - On the Generalization and Adaption Performance of Causal Models [99.64022680811281]
異なる因果発見は、データ生成プロセスを一連のモジュールに分解するために提案されている。
このようなモジュラニューラル因果モデルの一般化と適応性能について検討する。
我々の分析では、モジュラーニューラル因果モデルが、低データレギュレーションにおけるゼロおよび少数ショットの適応において、他のモデルよりも優れていることを示している。
論文 参考訳(メタデータ) (2022-06-09T17:12:32Z) - Supervised Learning and Model Analysis with Compositional Data [4.082799056366927]
KernelBiomeはカーネルベースの非パラメトリック回帰分類フレームワークである。
我々は、最先端の機械学習手法と比較して、同等または改善された性能を示す。
論文 参考訳(メタデータ) (2022-05-15T12:33:43Z) - Model-agnostic multi-objective approach for the evolutionary discovery
of mathematical models [55.41644538483948]
現代のデータ科学では、どの部分がより良い結果を得るために置き換えられるかというモデルの性質を理解することがより興味深い。
合成データ駆動型モデル学習において,多目的進化最適化を用いてアルゴリズムの所望特性を求める。
論文 参考訳(メタデータ) (2021-07-07T11:17:09Z) - tFold-TR: Combining Deep Learning Enhanced Hybrid Potential Energy for
Template-Based Modelling Structure Refinement [53.98034511648985]
現在のテンプレートベースのモデリングアプローチは2つの重要な問題に苦しんでいる。
テンプレートの異なる領域からの距離対の精度は様々であり、この情報はモデリングにはあまり導入されていない。
2つのニューラルネットワークモデルは、欠落した領域の距離情報と、テンプレートモデリング構造における異なる領域の距離ペアの精度を予測する。
論文 参考訳(メタデータ) (2021-05-10T13:32:12Z) - Robust Finite Mixture Regression for Heterogeneous Targets [70.19798470463378]
本稿では,サンプルクラスタの探索と,複数の不完全な混合型ターゲットを同時にモデル化するFMRモデルを提案する。
我々は、高次元の学習フレームワークの下で、無症状のオラクルのパフォーマンス境界をモデルに提供します。
その結果,我々のモデルは最先端の性能を達成できることがわかった。
論文 参考訳(メタデータ) (2020-10-12T03:27:07Z) - Modeling Shared Responses in Neuroimaging Studies through MultiView ICA [94.31804763196116]
被験者の大規模なコホートを含むグループ研究は、脳機能組織に関する一般的な結論を引き出す上で重要である。
グループ研究のための新しい多視点独立成分分析モデルを提案し、各被験者のデータを共有独立音源と雑音の線形結合としてモデル化する。
まず、fMRIデータを用いて、被験者間の共通音源の同定における感度の向上を示す。
論文 参考訳(メタデータ) (2020-06-11T17:29:53Z)
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。