論文の概要: DeepVir -- Graphical Deep Matrix Factorization for "In Silico" Antiviral
Repositioning: Application to COVID-19
- arxiv url: http://arxiv.org/abs/2009.10333v1
- Date: Tue, 22 Sep 2020 05:57:03 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-15 21:39:46.394562
- Title: DeepVir -- Graphical Deep Matrix Factorization for "In Silico" Antiviral
Repositioning: Application to COVID-19
- Title(参考訳): ディープヴァー-"イン・シリコ"型抗ウイルスリポジションのためのグラフィカルディープマトリックス因子化-COVID-19への応用
- Authors: Aanchal Mongia, Stuti Jain, Emilie Chouzenoux and Angshul Majumda
- Abstract要約: この研究は、抗ウイルス薬が行に沿ってあり、列に沿ってウイルスが存在しているマトリックス完成問題として、抗ウイルス再配置を定式化する。
抗ウイルスおよびウイルスのキュレートされたメタデータを,グラフラプラシア正規化としてマトリックス補完フレームワークにエンコードする。
次に、結果の複数のグラフ正規化行列完備化問題を、深い行列分解としてフレーム化する。
- 参考スコア(独自算出の注目度): 5.104181562775778
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: This work formulates antiviral repositioning as a matrix completion problem
where the antiviral drugs are along the rows and the viruses along the columns.
The input matrix is partially filled, with ones in positions where the
antiviral has been known to be effective against a virus. The curated metadata
for antivirals (chemical structure and pathways) and viruses (genomic structure
and symptoms) is encoded into our matrix completion framework as graph
Laplacian regularization. We then frame the resulting multiple graph
regularized matrix completion problem as deep matrix factorization. This is
solved by using a novel optimization method called HyPALM (Hybrid Proximal
Alternating Linearized Minimization). Results on our curated RNA drug virus
association (DVA) dataset shows that the proposed approach excels over
state-of-the-art graph regularized matrix completion techniques. When applied
to "in silico" prediction of antivirals for COVID-19, our approach returns
antivirals that are either used for treating patients or are under for trials
for the same.
- Abstract(参考訳): 本研究は、抗ウイルス薬が列に沿っているマトリックス完成問題として抗ウイルス再配置を定式化する。
入力マトリックスは部分的に充填され、抗ウイルス薬がウイルスに対して有効であることが知られている位置にある。
抗ウイルス (化学構造と経路) およびウイルス (ゲノム構造と症状) の硬化したメタデータを, グラフラプラシアン正則化としてマトリックス完成フレームワークにエンコードする。
次に、結果のグラフ正規化行列完備化問題をディープ行列分解としてフレーム化する。
これはHyPALM(Hybrid Proximal Alternating Linearized Minimization)と呼ばれる新しい最適化手法を用いて解決される。
得られたRNAドラッグウイルスアソシエーション(DVA)データセットの結果,提案手法は最先端のグラフ正規化マトリックス完成技術よりも優れていることが示された。
新型コロナウイルス(COVID-19)の抗ウイルス剤の「シリコ」予測に応用すると、患者の治療に使用されるか、同じ臨床試験を受けている抗ウイルス薬を返却する。
関連論文リスト
- Weakly supervised covariance matrices alignment through Stiefel matrices
estimation for MEG applications [64.20396555814513]
本稿では,Mixing Model Stiefel Adaptation (MSA)と呼ばれる時系列データに対する新しいドメイン適応手法を提案する。
我々は、ドメイン間の等価な信号分散とペアの対応を確立することにより、ターゲット領域における豊富なラベルのないデータを利用して効果的な予測を行う。
MSAは、Cam-CANデータセットのMEG信号を用いて、タスクの変動を伴う脳年齢回帰の最近の手法より優れている。
論文 参考訳(メタデータ) (2024-01-24T19:04:49Z) - Large-scale gradient-based training of Mixtures of Factor Analyzers [67.21722742907981]
本稿では,勾配降下による高次元学習を効果的に行うための理論解析と新しい手法の両立に寄与する。
MFAトレーニングと推論/サンプリングは,学習終了後の行列逆変換を必要としない精度行列に基づいて行うことができることを示す。
理論解析と行列の他に,SVHNやMNISTなどの画像データセットにMFAを適用し,サンプル生成と外乱検出を行う能力を示す。
論文 参考訳(メタデータ) (2023-08-26T06:12:33Z) - Virus2Vec: Viral Sequence Classification Using Machine Learning [48.40285316053593]
本稿では,バイラル・シークエンスのための特徴ベクトル表現であるVrus2Vecを提案する。
コロナウイルス科の実際のスパイク配列と狂犬病ウイルスのシークエンスデータに基づいてウイルス2Vecを実験的に評価し、宿主を予測した。
以上の結果から, Virus2Vecはベースラインおよび最先端手法の予測精度よりも優れていた。
論文 参考訳(メタデータ) (2023-04-24T08:17:16Z) - PCD2Vec: A Poisson Correction Distance-Based Approach for Viral Host
Classification [0.966840768820136]
コロナウイルス(英: Coronavirus)は、コロナウイルス科に属する膜に侵入し、非分節の正鎖RNAウイルスである。
コロナウイルスゲノムにおいて、重要な構造領域はスパイク領域であり、宿主の細胞膜にウイルスを付着させる責任がある。
本研究では、異なるウイルス亜属および種からスパイクタンパク質配列を解析することにより、ウイルスの宿主特異性を予測する新しい方法を提案する。
論文 参考訳(メタデータ) (2023-04-13T03:02:22Z) - Singular value decomposition based matrix surgery [0.0]
ランダム行列の条件数を減らし,制御する手法を開発した。
良条件行列および不条件行列の点雲の持続的ホモロジー(PH)への影響について検討する。
論文 参考訳(メタデータ) (2023-02-22T15:30:08Z) - Memory-Efficient Backpropagation through Large Linear Layers [107.20037639738433]
Transformersのような現代のニューラルネットワークでは、線形層は後方通過時にアクティベーションを保持するために大きなメモリを必要とする。
本研究では,線形層によるバックプロパゲーションを実現するためのメモリ削減手法を提案する。
論文 参考訳(メタデータ) (2022-01-31T13:02:41Z) - Non-PSD Matrix Sketching with Applications to Regression and
Optimization [56.730993511802865]
非PSDおよび2乗根行列の次元削減法を提案する。
複数のダウンストリームタスクにこれらのテクニックをどのように使用できるかを示す。
論文 参考訳(メタデータ) (2021-06-16T04:07:48Z) - Deep Learning Approach for Matrix Completion Using Manifold Learning [3.04585143845864]
本論文では,線形モデルと非線形モデルを組み合わせたデータ行列の新しい潜在変数モデルを提案する。
データマトリクスのエントリ間の線形および非線形関係の両方に対処するために、新しいディープニューラルネットワークベースの行列補完アルゴリズムを設計します。
論文 参考訳(メタデータ) (2020-12-11T01:01:54Z) - Machine-Learning Driven Drug Repurposing for COVID-19 [0.47791962198275073]
ニューラルネットワークモデルを用いてウイルスタンパク質と抗ウイルス療法の関連性を明らかにすることを目的とする。
我々は、ウイルスタンパク質配列を入力として、抗ウイルス剤を出力として、ANNモデルを訓練した。
SARS-CoV-2の配列を訓練されたモデルへの入力として使用すると、COVID-19の治療のための暫定的な安全なヒトの抗ウイルス候補が生成される。
論文 参考訳(メタデータ) (2020-06-25T21:18:53Z) - Optimal Feature Manipulation Attacks Against Linear Regression [64.54500628124511]
本稿では,データセットに慎重に設計した有害なデータポイントを付加したり,元のデータポイントを修正したりすることで,線形回帰による係数の操作方法について検討する。
エネルギー予算を考慮し, 目標が指定された回帰係数を1つ変更する場合に, 最適毒素データ点の閉形式解をまず提示する。
次に、攻撃者が1つの特定の回帰係数を変更しつつ、他をできるだけ小さく変更することを目的とした、より困難なシナリオに分析を拡張します。
論文 参考訳(メタデータ) (2020-02-29T04:26:59Z)
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。