論文の概要: PointIso: Point Cloud Based Deep Learning Model for Detecting
Arbitrary-Precision Peptide Features in LC-MS Map through Attention Based
Segmentation
- arxiv url: http://arxiv.org/abs/2009.07250v1
- Date: Tue, 15 Sep 2020 17:34:14 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-18 05:59:02.202504
- Title: PointIso: Point Cloud Based Deep Learning Model for Detecting
Arbitrary-Precision Peptide Features in LC-MS Map through Attention Based
Segmentation
- Title(参考訳): PointIso:注意に基づくセグメンテーションによるLC-MSマップの任意精度ペプチド特徴検出のためのポイントクラウドに基づくディープラーニングモデル
- Authors: Fatema Tuz Zohora, M Ziaur Rahman, Ngoc Hieu Tran, Lei Xin, Baozhen
Shan, Ming Li
- Abstract要約: PointIsoは、ペプチドの特徴検出の問題を解決するために、ポイントクラウドベースの任意の精度のディープラーニングネットワークである。
ベンチマークデータセットにおいて、高品質なMS/MS識別を98%検出する。
- 参考スコア(独自算出の注目度): 5.495506445661776
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: A promising technique of discovering disease biomarkers is to measure the
relative protein abundance in multiple biofluid samples through liquid
chromatography with tandem mass spectrometry (LC-MS/MS) based quantitative
proteomics. The key step involves peptide feature detection in LC-MS map, along
with its charge and intensity. Existing heuristic algorithms suffer from
inaccurate parameters since different settings of the parameters result in
significantly different outcomes. Therefore, we propose PointIso, to serve the
necessity of an automated system for peptide feature detection that is able to
find out the proper parameters itself, and is easily adaptable to different
types of datasets. It consists of an attention based scanning step for
segmenting the multi-isotopic pattern of peptide features along with charge and
a sequence classification step for grouping those isotopes into potential
peptide features. PointIso is the first point cloud based, arbitrary-precision
deep learning network to address the problem and achieves 98% detection of high
quality MS/MS identifications in a benchmark dataset, which is higher than
several other widely used algorithms. Besides contributing to the proteomics
study, we believe our novel segmentation technique should serve the general
image processing domain as well.
- Abstract(参考訳): 疾患バイオマーカーを発見するための有望な技術は、タンデム質量分析法(LC-MS/MS)を用いた液体クロマトグラフィーにより、複数のバイオ流体試料中の相対的なタンパク質量を測定することである。
重要なステップは、LC-MSマップにおけるペプチドの特徴の検出と、その電荷と強度である。
既存のヒューリスティックアルゴリズムはパラメータの異なる設定が著しく異なる結果をもたらすため、不正確なパラメータに悩まされる。
そこで,本研究では,ペプチド特徴検出のための自動システムの必要性を満たすため,適切なパラメータ自体を探索し,異なる種類のデータセットに容易に適応できるポイントイソを提案する。
ペプチドの特徴の多相性パターンをセグメンテーションするための注意に基づく走査ステップと、これらの同位体を潜在的ペプチドの特徴に分類するシーケンス分類ステップから構成される。
PointIsoは、この問題に対処する最初のポイントクラウドベースの、任意の精度のディープラーニングネットワークであり、他の広く使われているアルゴリズムよりも高いベンチマークデータセットにおいて、高品質なMS/MS識別を98%検出する。
プロテオミクス研究に寄与するだけでなく、我々の新しいセグメンテーション技術は一般的な画像処理領域にも役立つべきだと考えています。
関連論文リスト
- Minimally Supervised Learning using Topological Projections in
Self-Organizing Maps [55.31182147885694]
自己組織化マップ(SOM)におけるトポロジカルプロジェクションに基づく半教師付き学習手法を提案する。
提案手法は,まずラベル付きデータ上でSOMを訓練し,最小限のラベル付きデータポイントをキーベストマッチングユニット(BMU)に割り当てる。
提案した最小教師付きモデルが従来の回帰手法を大幅に上回ることを示す。
論文 参考訳(メタデータ) (2024-01-12T22:51:48Z) - Domain Adaptive Synapse Detection with Weak Point Annotations [63.97144211520869]
弱点アノテーションを用いたドメイン適応型シナプス検出のためのフレームワークであるAdaSynを提案する。
I SBI 2023のWASPSYNチャレンジでは、我々の手法が第1位にランクインした。
論文 参考訳(メタデータ) (2023-08-31T05:05:53Z) - Active Learning Enhances Classification of Histopathology Whole Slide
Images with Attention-based Multiple Instance Learning [48.02011627390706]
我々は、注意に基づくMILをトレーニングし、データセット内の各画像に対する信頼度を算出し、専門家のアノテーションに対して最も不確実なWSIを選択する。
新たな注意誘導損失により、各クラスにアノテートされた領域がほとんどない、トレーニングされたモデルの精度が向上する。
将来的には、病理組織学における癌分類の臨床的に関連する文脈において、MILモデルのトレーニングに重要な貢献をする可能性がある。
論文 参考訳(メタデータ) (2023-03-02T15:18:58Z) - Hard Exudate Segmentation Supplemented by Super-Resolution with
Multi-scale Attention Fusion Module [14.021944194533644]
硬外用量(HE)は網膜浮腫の最も特異的なバイオマーカーである。
本稿では,SS-MAFと呼ばれる高分解能部分分割手法を提案する。
我々はIDRiDとE-Ophthaの2つのパブリック病変データセットについて検討した。
論文 参考訳(メタデータ) (2022-11-17T08:25:04Z) - A kinetic approach to consensus-based segmentation of biomedical images [58.720142291102135]
バイオメディカルセグメンテーション問題に有界信頼度コンセンサスモデルの運動バージョンを適用した。
システムの長時間の挙動は、代理のフォッカー・プランク法(英語版)の助けを借りて計算される。
2次元グレースケール画像の関連集合に対して導入されたセグメンテーション距離を最小化する。
論文 参考訳(メタデータ) (2022-11-08T09:54:34Z) - Untargeted Region of Interest Selection for GC-MS Data using a Pseudo
F-Ratio Moving Window ($\psi$FRMV) [0.0]
本稿では,GC-MSデータにおける関心領域の自動選択手法を提案する。
これは、クロマトグラムを横切るウィンドウの特異値分解から得られる正方形第一値と第二特異値の比に基づいている。
アルゴリズムの感度は、信号を含むクロマトグラフィー領域をもはや取り出すことができない濃度を調べることで検証された。
論文 参考訳(メタデータ) (2022-07-30T21:43:05Z) - End-to-end cell recognition by point annotation [5.130998755172569]
本稿では,事前設定されたアンカーポイントに対して,直接回帰と分類を適用するエンドツーエンドフレームワークを提案する。
具体的には,低レベル特徴と高レベル意味論を同時に組み合わせたピラミッド型特徴集合戦略を提案する。
さらに,基本事実と予測点とを一致させて,マルチタスク学習フレームワークを適応させる最適化コスト関数を設計した。
論文 参考訳(メタデータ) (2022-07-01T02:44:58Z) - Lung Cancer Lesion Detection in Histopathology Images Using Graph-Based
Sparse PCA Network [93.22587316229954]
ヘマトキシリンとエオシン(H&E)で染色した組織学的肺スライドにおける癌病変の自動検出のためのグラフベーススパース成分分析(GS-PCA)ネットワークを提案する。
我々は,SVM K-rasG12D肺がんモデルから得られたH&Eスライダーの精度・リコール率,Fスコア,谷本係数,レシーバ演算子特性(ROC)の曲線下領域を用いて,提案アルゴリズムの性能評価を行った。
論文 参考訳(メタデータ) (2021-10-27T19:28:36Z) - Ovarian Cancer Detection based on Dimensionality Reduction Techniques
and Genetic Algorithm [0.0]
正常血清からプロテオミクス癌血清を同定する血清SELDIデータセットが2つあります。
PCA (Principal Component Analysis) と GA (Genetic algorithm) の性能を評価することを選択しました。
GAは特徴選択に有効であり,PCA法よりも癌パターン検出に有用であると考えられた。
論文 参考訳(メタデータ) (2021-05-04T20:38:29Z) - G-MIND: An End-to-End Multimodal Imaging-Genetics Framework for
Biomarker Identification and Disease Classification [49.53651166356737]
診断によって誘導される画像データと遺伝データを統合し、解釈可能なバイオマーカーを提供する新しいディープニューラルネットワークアーキテクチャを提案する。
2つの機能的MRI(fMRI)パラダイムとSingle Nucleotide Polymorphism (SNP)データを含む統合失調症の集団研究で本モデルを評価した。
論文 参考訳(メタデータ) (2021-01-27T19:28:04Z) - Accurate Cell Segmentation in Digital Pathology Images via Attention
Enforced Networks [0.0]
本研究では,グローバルな依存関係と重み付きチャネルを適応的に統合するアテンション強化ネットワーク(AENet)を提案する。
実験段階では, 染色変化問題に対処するために, 個々の色正規化法を提案する。
論文 参考訳(メタデータ) (2020-12-14T03:39:33Z)
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。