論文の概要: VeRNAl: Mining RNA Structures for Fuzzy Base Pairing Network Motifs

• arxiv url: http://arxiv.org/abs/2009.00664v3
• Date: Mon, 18 Oct 2021 14:45:41 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-23 02:02:31.284710
• Title: VeRNAl: Mining RNA Structures for Fuzzy Base Pairing Network Motifs
• Title（参考訳）: VeRNAl:ファジィ塩基対ネットワークモチーフのためのRNAのマイニング
• Authors: Carlos Oliver, Vincent Mallet, Pericles Philippopoulos, William L. Hamilton, Jerome Waldispuhl
• Abstract要約: RNA 3Dモチーフは塩基対相互作用のネットワークとしてモデル化された繰り返しサブ構造である。 本稿では, 柔軟なRNAモチーフを復元するためのノード類似関数, クラスタリング手法, モチーフ構築アルゴリズムを提案する。 VeRNAlはユーザが容易にカスタマイズでき、モチーフの柔軟性、豊富さ、サイズが求められる。
• 参考スコア（独自算出の注目度）: 13.990800077082843
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: RNA 3D motifs are recurrent substructures, modelled as networks of base pair interactions, which are crucial for understanding structure-function relationships. The task of automatically identifying such motifs is computationally hard, and remains a key challenge in the field of RNA structural biology and network analysis. State of the art methods solve special cases of the motif problem by constraining the structural variability in occurrences of a motif, and narrowing the substructure search space. Here, we relax these constraints by posing the motif finding problem as a graph representation learning and clustering task. This framing takes advantage of the continuous nature of graph representations to model the flexibility and variability of RNA motifs in an efficient manner. We propose a set of node similarity functions, clustering methods, and motif construction algorithms to recover flexible RNA motifs. Our tool, VeRNAl can be easily customized by users to desired levels of motif flexibility, abundance and size. We show that VeRNAl is able to retrieve and expand known classes of motifs, as well as to propose novel motifs.
• Abstract（参考訳）: RNA 3Dモチーフは、構造と機能の関係を理解する上で重要な塩基対相互作用のネットワークとしてモデル化された、反復的なサブ構造である。 このようなモチーフを自動同定する作業は計算的に困難であり、RNAの構造生物学とネットワーク解析の分野で重要な課題である。 モチーフの発生時の構造的変動を制限し、サブ構造探索空間を狭めることにより、モチーフ問題の特殊なケースを解決する。 本稿では,モチーフ発見問題をグラフ表現学習およびクラスタリングタスクとして構成することにより,これらの制約を緩和する。 このフレーミングはグラフ表現の連続的な性質を利用して、RNAモチーフの柔軟性と可変性を効率的にモデル化する。 本稿では, 柔軟なRNAモチーフを復元するためのノード類似関数, クラスタリング手法, モチーフ構築アルゴリズムを提案する。 当社のツールであるVeRNAlは,ユーザが望むモチーフの柔軟性,充実度,サイズをカスタマイズできる。 本稿では,VeRNAlが既知のモチーフのクラスを検索・拡張し,新しいモチーフを提案する。

関連論文リスト

• BEACON: Benchmark for Comprehensive RNA Tasks and Language Models [60.02663015002029]
  本稿では、最初の包括的なRNAベンチマークBEACON(textbfBEnchmtextbfArk for textbfCOmprehensive RtextbfNA Task and Language Models)を紹介する。 まずBEACONは、構造解析、機能研究、工学的応用を網羅した、これまでの広範囲にわたる研究から導かれた13のタスクから構成される。 第2に、CNNのような従来のアプローチや、言語モデルに基づく高度なRNA基盤モデルなど、さまざまなモデルについて検討し、これらのモデルのタスク固有のパフォーマンスに関する貴重な洞察を提供する。 第3に、重要なRNA言語モデルコンポーネントについて検討する。
  論文  参考訳（メタデータ） (2024-06-14T19:39:19Z)
• RNAFlow: RNA Structure & Sequence Design via Inverse Folding-Based Flow Matching [7.600990806121113]
  RNAFlowはタンパク質条件のRNA配列構造設計のためのフローマッチングモデルである。 そのデノナイジングネットワークはRNA逆フォールディングモデルと事前訓練されたRosettaFold2NAネットワークを統合し、RNA配列と構造を生成する。
  論文  参考訳（メタデータ） (2024-05-29T05:10:25Z)
• 3D-based RNA function prediction tools in rnaglib [2.048226951354646]
  RNA 3D構造のデータセットを構築し、適切なモデリング選択を行うには、まだ時間がかかり、標準化が欠如している。 本稿では,RNA3次元構造のデータセット上で,教師付きおよび教師なし機械学習に基づく関数予測モデルをトレーニングするために,rnaglibを用いることについて述べる。
  論文  参考訳（メタデータ） (2024-02-14T17:22:03Z)
• Defining Neural Network Architecture through Polytope Structures of Dataset [53.512432492636236]
  本稿では, ニューラルネットワーク幅の上下境界を定義し, 問題となるデータセットのポリトープ構造から情報を得る。 本研究では,データセットのポリトープ構造を学習したニューラルネットワークから推定できる逆条件を探索するアルゴリズムを開発した。 MNIST、Fashion-MNIST、CIFAR10といった一般的なデータセットは、顔の少ない2つ以上のポリトップを用いて効率的にカプセル化できることが確立されている。
  論文  参考訳（メタデータ） (2024-02-04T08:57:42Z)
• DynGFN: Towards Bayesian Inference of Gene Regulatory Networks with GFlowNets [81.75973217676986]
  遺伝子調節ネットワーク(GRN)は、遺伝子発現と細胞機能を制御する遺伝子とその産物間の相互作用を記述する。 既存の方法は、チャレンジ(1)、ダイナミックスから循環構造を識別すること、あるいはチャレンジ(2)、DAGよりも複雑なベイズ後部を学習することに焦点を当てるが、両方ではない。 本稿では、RNAベロシティ技術を用いて遺伝子発現の「速度」を推定できるという事実を活用し、両方の課題に対処するアプローチを開発する。
  論文  参考訳（メタデータ） (2023-02-08T16:36:40Z)
• RDesign: Hierarchical Data-efficient Representation Learning for Tertiary Structure-based RNA Design [65.41144149958208]
  本研究では,データ駆動型RNA設計パイプラインを体系的に構築することを目的とする。 我々は、ベンチマークデータセットを作成し、複雑なRNA第三次構造を表現するための包括的な構造モデリングアプローチを設計した。 RNA設計プロセスを容易にするために,塩基対を持つ抽出二次構造体を事前知識として組み込んだ。
  論文  参考訳（メタデータ） (2023-01-25T17:19:49Z)
• Autoregressive Structured Prediction with Language Models [73.11519625765301]
  本稿では, PLM を用いた自己回帰的手法を用いて, モデル構造を行動列として記述する。 我々のアプローチは、私たちが見てきた全ての構造化予測タスクにおいて、新しい最先端を実現する。
  論文  参考訳（メタデータ） (2022-10-26T13:27:26Z)
• PredRNN: A Recurrent Neural Network for Spatiotemporal Predictive Learning [109.84770951839289]
  歴史的文脈からビジュアルダイナミクスを学習するための新しいリカレントネットワークであるPredRNNを紹介する。 本手法は,3つの標準データセット上で高い競争結果が得られることを示す。
  論文  参考訳（メタデータ） (2021-03-17T08:28:30Z)
• Classification of Long Noncoding RNA Elements Using Deep Convolutional Neural Networks and Siamese Networks [17.8181080354116]
  この論文は、cRNA配列を分類するために、ディープ畳み込みニューラルネットワーク(CNN)の新たな手法を提案する。 その結果、CNNベースの分類モデルにより効率よく解ける画像分類プロブレムに、クラスサイズRNA配列を変換する。
  論文  参考訳（メタデータ） (2021-02-10T17:26:38Z)
• Neural representation and generation for RNA secondary structures [14.583976833366384]
  我々の研究は、遺伝子マクロ分子の一種であるRNAの生成とターゲット設計に関するものである。 大規模で複雑な生物学的構造の設計は、専用のグラフベースの深層生成モデリング技術を刺激する。 本稿では,異なるRNA構造を結合して生成するフレキシブルなフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-02-01T15:49:25Z)

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。