論文の概要: Identifying Stress Responsive Genes using Overlapping Communities in
Co-expression Networks
- arxiv url: http://arxiv.org/abs/2011.03526v2
- Date: Sat, 9 Apr 2022 17:22:53 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-04 00:29:14.383212
- Title: Identifying Stress Responsive Genes using Overlapping Communities in
Co-expression Networks
- Title（参考訳）: 重なり合う共表現ネットワークを用いたストレス応答遺伝子同定
- Authors: Camila Riccio, Jorge Finke, Camilo Rocha
- Abstract要約: 本論文は、植物の特定の治療に応答する遺伝子を同定するワークフローを提案する。
米(Oryza sativa)は、塩ストレスに敏感な主要な食品である。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: This paper proposes a workflow to identify genes that respond to specific
treatments in plants. The workflow takes as input the RNA sequencing read
counts and phenotypical data of different genotypes, measured under control and
treatment conditions. It outputs a reduced group of genes marked as relevant
for treatment response. Technically, the proposed approach is both a
generalization and an extension of WGCNA. It aims to identify specific modules
of overlapping communities underlying the co-expression network of genes.
Module detection is achieved by using Hierarchical Link Clustering. The
overlapping nature of the systems' regulatory domains that generate
co-expression can be identified by such modules. LASSO regression is employed
to analyze phenotypic responses of modules to treatment.
Results. The workflow is applied to rice (Oryza sativa), a major food source
known to be highly sensitive to salt stress. The workflow identifies 19 rice
genes that seem relevant in the response to salt stress. They are distributed
across 6 modules: 3 modules, each grouping together 3 genes, are associated to
shoot K content; 2 modules of 3 genes are associated to shoot biomass; and 1
module of 4 genes is associated to root biomass. These genes represent target
genes for the improvement of salinity tolerance in rice.
Conclusion. A more effective framework to reduce the search-space for target
genes that respond to a specific treatment is introduced. It facilitates
experimental validation by restraining efforts to a smaller subset of genes of
high potential relevance.
- Abstract（参考訳）: 本稿では,植物の特定の処理に応答する遺伝子を同定するワークフローを提案する。
このワークフローは、制御および治療条件下で測定された異なる遺伝子型のRNAシークエンシング読取数と表現型データを入力する。
治療反応に関連する遺伝子群を減少させる。
技術的には、提案手法はWGCNAの一般化と拡張である。
遺伝子の共同発現ネットワークの根底にある重複するコミュニティの特定のモジュールを特定することを目的としている。
モジュール検出は階層的リンククラスタリングによって実現される。
共表現を生成するシステムの規制ドメインの重なり合う性質は、そのようなモジュールによって識別できる。
ラッソ回帰は治療に対するモジュールの表現型応答を分析するために用いられる。
結果だ
このワークフローは、塩ストレスに敏感な主要な食品源である米(oryza sativa)に適用される。
このワークフローは、塩ストレスに応答する19のイネ遺伝子を識別する。
それらは6つのモジュールに分散し、それぞれ3つの遺伝子をまとめて3つのモジュールがK含有量に関連付けられ、3つの遺伝子の2つのモジュールがバイオマスに関連付けられ、4つの遺伝子の1つのモジュールがルートバイオマスに関連付けられている。
これらの遺伝子はイネの塩分耐性を改善するための標的遺伝子である。
結論だ
特定の治療に応答する標的遺伝子の探索空間を減らすためのより効果的な枠組みが導入された。
高関連性の遺伝子の小さなサブセットへの努力を抑えることで、実験的な検証を促進する。
関連論文リスト
- Predicting Genetic Mutation from Whole Slide Images via Biomedical-Linguistic Knowledge Enhanced Multi-label Classification [119.13058298388101]
遺伝子変異予測性能を向上させるため,生物知識を付加したPathGenomic Multi-label Transformerを開発した。
BPGTはまず、2つの慎重に設計されたモジュールによって遺伝子前駆体を構成する新しい遺伝子エンコーダを確立する。
BPGTはその後ラベルデコーダを設計し、最終的に2つの調整されたモジュールによる遺伝的突然変異予測を行う。
論文 参考訳（メタデータ） (2024-06-05T06:42:27Z) - VQDNA: Unleashing the Power of Vector Quantization for Multi-Species Genomic Sequence Modeling [60.91599380893732]
VQDNAは、ゲノムボキャブラリ学習の観点からゲノムのトークン化を改良する汎用フレームワークである。
ベクトル量子化されたコードブックを学習可能な語彙として活用することにより、VQDNAはゲノムをパターン認識の埋め込みに適応的にトークン化することができる。
論文 参考訳（メタデータ） (2024-05-13T20:15:03Z) - 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) - Gene Teams are on the Field: Evaluation of Variants in Gene-Networks
Using High Dimensional Modelling [0.0]
医学遺伝学では、それぞれの遺伝子変異はその臨床的重要性に関して独立した実体として評価される。
ほとんどの複雑な疾患では、特定の単一の変異が存在するのではなく、特定の遺伝子ネットワークにおける変異結合が優先される。
本稿では,遺伝子ネットワーク内のすべての変異を解析する高次元モデリング手法を提案する。
論文 参考訳（メタデータ） (2023-01-27T15:02:23Z) - Unsupervised ensemble-based phenotyping helps enhance the
discoverability of genes related to heart morphology [57.25098075813054]
我々はUn Phenotype Ensemblesという名の遺伝子発見のための新しいフレームワークを提案する。
教師なしの方法で学習された表現型のセットをプールすることで、冗長だが非常に表現性の高い表現を構築する。
これらの表現型は、(GWAS)を介して分析され、高い自信と安定した関連のみを保持する。
論文 参考訳（メタデータ） (2023-01-07T18:36:44Z) - A single-cell gene expression language model [2.9112649816695213]
遺伝子間のコンテキスト依存を学習する機械学習システムを提案する。
我々のモデルであるExceiverは、自己教師型タスクを用いて、多様な細胞タイプで訓練されている。
生物学的アノテーションに関して,潜在サンプル表現の類似性プロファイルと学習された遺伝子埋め込みとの間に一致が認められた。
論文 参考訳（メタデータ） (2022-10-25T20:52:19Z) - Gene Function Prediction with Gene Interaction Networks: A Context Graph
Kernel Approach [24.234645183601998]
そこで本研究では,焦点遺伝子に関連付けられた遺伝子相互作用ネットワークとして,遺伝子コンテキストグラフを用いた機能推定を提案する。
カーネルベースの機械学習フレームワークでは、コンテキストグラフで情報をキャプチャするコンテキストグラフカーネルを設計する。
論文 参考訳（メタデータ） (2022-04-22T02:54:01Z) - SemanticCAP: Chromatin Accessibility Prediction Enhanced by Features
Learning from a Language Model [3.0643865202019698]
本稿では、ゲノムのアクセス可能な領域を特定するためのSemanticCAPという新しいソリューションを提案する。
遺伝子配列のコンテキストをモデル化する遺伝子モデルを導入し、遺伝子配列の効果的な表現を提供する。
公開ベンチマークによる他のシステムと比較すると,我々のモデルは性能が向上することが判明した。
論文 参考訳（メタデータ） (2022-04-05T11:47:58Z) - Multi-modal Self-supervised Pre-training for Regulatory Genome Across
Cell Types [75.65676405302105]
我々は、GeneBERTと呼ばれる、多モードかつ自己管理的な方法でゲノムデータを事前学習するための、単純かつ効果的なアプローチを提案する。
我々はATAC-seqデータセットで1700万のゲノム配列でモデルを事前訓練する。
論文 参考訳（メタデータ） (2021-10-11T12:48:44Z) - SimpleChrome: Encoding of Combinatorial Effects for Predicting Gene
Expression [8.326669256957352]
遺伝子のヒストン修飾表現を学習するディープラーニングモデルであるSimpleChromeを紹介します。
このモデルから得られた特徴により、遺伝子間相互作用の潜在効果と標的遺伝子の発現に対する直接遺伝子調節をよりよく理解することができます。
論文 参考訳（メタデータ） (2020-12-15T23:30:36Z)
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。